如何用MATLAB求属性约简

如何用MATLAB求属性约简,第1张

#include<iostream>

#include<vector>

#include<algorithm>

#include<fstream>

#include<sstream>

#include<string>

#include"Set.h"

#include"Element.h"

using namespace std

#ifndef DecisionTable_H

#define DecisionTable_H

//决策表DT=(U, CUD, V, f)类声明--------------------------------------------------

class DecisionTable

{

public:

static int iNo //用于决策表论域中样本的编号

public:

DecisionTable()

DecisionTable(vector<char> &ConditionSet,

vector<char>&DecisionSet,

vector<Set>&ConditionValueSet,

vector<Set>&DecisionValueSet)//通过条件集值与决策集值创建决策表

DecisionTable(vector<char> &ConditionSet,

vector<char> &DecisionSet,

vector<vector<int>>&ConditionValueSet,

vector<vector<int>>&DecisionValueSet)//通过条件集值与决策集值创建决策表

const DecisionTable&operator=(DecisionTable &DT)//赋值构造函数

DecisionTable(const char* FileName)//由限定格式文件FileName创建决策表

void SaveToFile(const char* FileName)//把决策表保存到文件FileName中,自动生成文件格式

void SetConditionSet(vector<char>&condition)//设置条件属性集

void SetDecisionSet(vector<char>&decision)//设置决胡薯策属性集

void SetU(int index, int newU) //把决策表当前位置为index的样本编号设置为newU

vector<int> SetToiVector(Set &s)//把集合转化为向量

vector<char>GetConditionSet()//返回条件属性集

vector<char>GetDecisionSet() //返回决策属性集

vector<Element>GetDT() //返回决策表

Element GetElement(int u) //返回编号为u的样本

int NumberOfElement() //返回决策表DT中的样本数

void AddElement(Element &e) //在决策表后添加样本e

void AddElement(Element &e, bool flag)//当flag=true同AddElement(Element &e),否则添加样本,不橡做尘自动编号,使用添加样本本身的编号

int FindElement(Element &e)//在决策表中查找样本e,存在则返回样本的编号,不存在返回-1

void RemoveElement(int iNo) //删除决策表DT中的样本号为iNo的第一个样本

DecisionTable RemoveConditionAttribute(const char &c)//删除条件属性集中的属性c构成新的决策表

DecisionTable AddConditionAttribute(const char &c, vector<int>&ValueOfc)//往条件属性集中添加属性c构成新的决策表

DecisionTable SelAttrMakeDT(vector<char>&vec)//按给定的属梁禅性集的子集返回决策表

Set ValueSetOfAttribue(const char &a)//返回条件属性a对应的值集

Set POS() //求决策表DT=(U, CUD, V, f)的D的C正区域

bool IsConsistentDecisionTable()//判断决策表是否是一致决策表

double RelyDegreeOfDToC() //计算决策表中D对C的依赖度

double RelyDegreeOfDToAttribute(const char &c)//计算决策表中D对C中的属性c的依赖度

double SigOfAttribute(const char &c) //计算条件属性集中属性c的重要度

vector<char>Core() //求决策表的核集

bool IsIndependentOfConditionSet() //判断决策表的条件属性集是否是独立的

intCountOf(Element &e) //统计样本e在决策表中出现的次数(只是指条件值决策值相同)

intCountOfDecisionValue(vector<int>&decValue)//计算给定决策值decValue出现的次数

DecisionTable GetConsistentSubDT() //分解得到一致决策表

DecisionTable GetNotConsistentSubDT()//分解得到不一致决策表

DecisionTable Unique() //返回决策表不同样本构成的决策表

SetGetM() //获取论文中的近似一致样本编号集

double LooseRelyDegreeOfDToC() //求决策表D对C的松散依赖度

double LooseRelyDegreeOfDToAttribute(const char &c)//求决策表D对属性c的松散依赖度

void Print() //打印决策表

private:

vector<char>ConditionSet

vector<char>DecisionSet

vector<Element>DT

int SerialNumberOfElement

}

#endif

y=redu(c,d,S)

假设信息系统决策表由矩阵S表示,其中,第c列C属性中,d列为决策列D属性中,则从C属性中相关的列中直接使得决策列耐历D的最少列的求取可用约简函数redu

你想看详细的算法,你找拦并这篇论文:

张雪峰。粗糙集昌衡搜数据分析系统应用平台的研究与程序开发。沈阳:东北大学硕士学位论文,2004

首先,Matlab是一个工具,它不是一个方法。

其次,我给你推荐一本书

《MATLAB 在数学建模中的应用(第2版)》

然后它的目录可以回答你的问题:

第1章 数学建模常规方法及其MATLAB实现

1.1 MATLAB与数据文件的交互

1.1.1 MATLAB与Excel的交互

1.1.2 MATLAB与TXT交互

1.1.3 MATLAB界面导入数据的方法

1.2 数据拟合方法

1.2.1 多项式拟合

1.2.2 指定函数拟合

1.2.3 曲线拟合工具箱

1.3 数据拟合应用实例

1.3.1 人口预测模型

1.3.2 薄膜渗透率的测定

1.4 数据的可视化

1.4.1 地形地貌图形的绘制

1.4.2 车灯光源投影区域的绘制(CUMCM2002A)

1.5 层次分析法(AHP)

1.5.1 层次分析法的应用场景

1.5.2 AHPMATLAB程序设计

第2章 规划问题的MATLAB求解

2.1 线性规划

2.1.1 线性规划的实例与定义

2.1.2 线性规划的大知配MATLAB标准形式

2.1.3 线性规划问题解的概念

2.1.4 求解线性规划的MATLAB解法

2.2 非线性规划

2.2.1 非线性规划的实例与定义

2.2.2 非线性规划的MATLAB解法

2.2.3 二次规划

2.3 整数规划

2.3.1 整数规划的定义

2.3.2 01整数规划

2.3.3 随机取样计算法

第3章 数据建模及MATLAB实现

3.1 云模型

3.1.1 云模型基础知识

3.1.2 云模型的MATLAB程序设计

3.2 Logistic回归

3.2.1 Logistic模型

3.2.2 Logistic回归MATLAB程序设计

3.3 主成分分析

3.3.1 PCA基本思想

3.3.2 PCA步骤

3.3.3 主成分分析MATLAB程序设计

3.4 支持向量机(SVM)

3.4.1 SVM基本思想

3.4.2 理论基础

3.4.3 支持向量机MATLAB程序设计

3.5 K均值(KMeans)

3.5.1 KMeans原理、步骤和特点

3.5.2 KMeans聚类MATLAB程序设计

3.6 朴素贝叶斯判别法

3.6.1 朴素贝叶斯判别模型

3.6.2 朴素贝叶斯判别法MATLAB设计

3.7 数据建模综合应用

参考文献

第4章 灰色预测及其MATLAB实现

4.1 灰色系统基本理论

4.1.1 灰色关联度矩阵

4.1.2 经典灰色模型GM(1,1)

4.1.3 灰色Verhulst模型

4.2 灰色系统的程序设计

4.2.1 灰色关联度矩阵的程序设计

4.2.2 GM(1,1)的程序设计

4.2.3 灰色Verhulst模型的程序设计

4.3 灰色预测的MATLAB程序

4.3.1 典型程序结构

4.3.2 灰色预测程序说猛乎明

4.4 灰色预测应用实例

4.4.1 实例一长江水质的预测(CUMCM2005A)

4.4.2 实例二预测与会代表人数(CUMCM2009D)

4.5 小结

参考文献

第5章 遗传算法及其MATLAB实现

5.1 遗传算法基本原理

5.1.1 人工智能算法概述

5.1.2 遗传算法生物学基础

5.1.3 遗传算法的实现步骤

5.1.4 遗传算法的拓展

5.2 遗传算法的MATLAB程序设计

5.2.1 程序设计流程及参数选取

5.2.2 MATLAB遗传算法工滚指具箱

5.3 遗传算法应用案例

5.3.1 案例一:无约束目标函数最大值遗传算法求解策略

5.3.2 案例二:CUMCM中多约束非线性规划问题的求解

5.3.3 案例三:BEATbx遗传算法工具箱的应用——电子商务中转化率影响因素研究

参考文献

第6章 模拟退火算法及其MATLAB实现

6.1 算法的基本理论

6.1.1 算法概述

6.1.2 基本思想

6.1.3 其他一些参数的说明

6.1.4 算法基本步骤

6.1.5 几点说明

6.2 算法的MATLAB实现

6.2.1 算法设计步骤

6.2.2 典型程序结构

6.3 应用实例:背包问题的求解

6.3.1 问题的描述

6.3.2 问题的求解

6.4 模拟退火程序包ASA简介

6.4.1 ASA的优化实例

6.4.2 ASA的编译

6.4.3 MATLAB版ASA的安装与使用

6.5 小结

6.6 延伸阅读

参考文献

第7章 人工神经网络及其MATLAB实现

7.1 人工神经网络基本理论

7.1.1 人工神经网络模型拓扑结构

7.1.2 常用激励函数

7.1.3 常见神经网络理论

7.2 BP神经网络的结构设计

7.2.1 鲨鱼嗅闻血腥味与BP神经网络训练

7.2.2 透视神经网络的学习步骤

7.2.3 BP神经网络的动态拟合过程

7.3 RBF神经网络的结构设计

7.3.1 梯度训练法RBF神经网络的结构设计

7.3.2 RBF神经网络的性能

7.4 应用实例

7.4.1 基于MATLAB源程序公路运量预测

7.4.2 基于MATLAB工具箱公路运量预测

7.4.3 艾滋病治疗最佳停药时间的确定(CUMCM2006B)

7.4.4 RBF神经网络预测新客户流失概率

7.5 延伸阅读

7.5.1 从金融分析中的小数定理谈神经网络的训练样本遴选规则

7.5.2 小议BP神经网络的衍生机理

参考文献

第8章粒子群算法及其MATLAB实现

8.1 PSO算法相关知识

8.1.1 初识PSO算法

8.1.2 PSO算法的基本理论

8.1.3 PSO算法的约束优化

8.1.4 PSO算法的优缺点

8.2 PSO算法程序设计

8.2.1 程序设计流程

8.2.2 PSO算法的参数选取

8.2.3 PSO算法MATLAB源程序范例

8.3 应用案例:基于PSO算法和BP算法训练神经网络

8.3.1 如何评价网络的性能

8.3.2 BP算法能够搜索到极值的原理

8.3.3 PSOBP神经网络的设计指导原则

8.3.4 PSO算法优化神经网络结构

8.3.5 PSOBP神经网络的实现

参考文献

第9章 蚁群算法及其MATLAB实现

9.1 蚁群算法原理

9.1.1 蚁群算法基本思想

9.1.2 蚁群算法数学模型

9.1.3 蚁群算法流程

9.2 蚁群算法的MATLAB实现

9.2.1 实例背景

9.2.2 算法设计步骤

9.2.3 MATLAB程序实现

9.2.4 程序执行结果与分析

9.3 算法关键参数的设定

9.3.1 参数设定的准则

9.3.2 蚂蚁数量

9.3.3 信息素因子

9.3.4 启发函数因子

9.3.5 信息素挥发因子

9.3.6 信息素常数

9.3.7 最大迭代次数

9.3.8 组合参数设计策略

9.4 应用实例:最佳旅游方案(苏北赛2011B)

9.4.1 问题描述

9.4.2 问题的求解和结果

9.5 本章小结

参考文献

第10章 小波分析及其MATLAB实现

10.1 小波分析基本理论

10.1.1 傅里叶变换的局限性

10.1.2 伸缩平移和小波变换

10.1.3 小波变换入门和多尺度分析

10.1.4 小波窗函数自适应分析

10.2 小波分析MATLAB程序设计

10.2.1 小波分析工具箱函数指令

10.2.2 小波分析程序设计综合案例

10.3 小波分析应用案例

10.3.1 案例一:融合拓扑结构的小波神经网络

10.3.2 案例二:血管重建引出的图像数字水印

参考文献

第11章 计算机虚拟及其MATLAB实现

11.1 计算机虚拟基本知识

11.1.1 从3G移动互联网协议WCDMA谈MATLAB虚拟

11.1.2 计算机虚拟与数学建模

11.1.3 数值模拟与经济效益博弈

11.2 数值模拟MATLAB程序设计

11.2.1 微分方程组模拟

11.2.2 服从概率分布的随机模拟

11.2.3 蒙特卡罗模拟

11.3 动态仿真MATLAB程序设计

11.3.1 MATLAB音频处理

11.3.2 MATLAB常规动画实现

11.4 应用案例:四维水质模型

11.4.1 问题的提出

11.4.2 问题的分析

11.4.3 四维水质模型准备

11.4.4 条件假设与符号约定

11.4.5 四维水质模型的组建

11.4.6 模型求解

11.4.7 计算机模拟情境

参考文献

下篇 真题演习

第12章 彩票中的数学(CUMCM2002B)

12.1 问题的提出

12.2 模型的建立

12.2.1 模型假设与符号说明

12.2.2 模型的准备

12.2.3 模型的建立

12.3 模型的求解

12.3.1 求解的思路

12.3.2 MATLAB程序

12.3.3 程序结果

12.4 技巧点评

参考文献

第13章 露天矿卡车调度问题(CUMCM2003B)

13.1 问题的提出

13.2 基本假设与符号说明

13.2.1 基本假设

13.2.2 符号说明

13.3 问题分析及模型准备

13.4 原则①:数学模型(模型1)的建立与求解

13.4.1 模型的建立

13.4.2 模型求解

13.5 原则②:数学模型(模型2)的建立与求解

13.6 技巧点评

参考文献

第14章 奥运会商圈规划问题(CUMCM2004A)

14.1 问题的描述

14.2 基本假设、名词约定及符号说明

14.2.1 基本假设

14.2.2 符号说明

14.2.3 名词约定

14.3 问题分析与模型准备

14.3.1 基本思路

14.3.2 基本数学表达式的构建

14.4 设置MS网点数学模型的建立与求解

14.4.1 模型建立

14.4.2 模型求解

14.5 设置MS网点理论体系的建立

14.6 商区布局规划的数学模型

14.6.1 模型建立

14.6.2 模型求解

14.7 模型的评价及使用说明

14.7.1 模型的优点

14.7.2 模型的缺点

14.8 技巧点评

参考文献

第15章 交巡警服务平台的设置与调度(CUMCM2011B)

15.1 问题的提出

15.2 问题的分析

15.3 基本假设

15.4 问题1模型的建立与求解

15.4.1 交巡警服务平台管辖范围分配

15.4.2 交巡警的调度

15.4.3 最佳新增服务平台设置

15.5 问题2模型的建立和求解

15.5.1 全市服务平台的合理性分析问题的模型与求解

15.5.2 搜捕嫌疑犯实例的模型与求解

15.6 模型的评价与改进

15.6.1 模型优点

15.6.2 模型缺点

15.7 技巧点评

参考文献

第16章 葡萄酒的评价(CUMCM2012A)

16.1 问题的提出

16.2 基本假设

16.3 问题①模型的建立和求解

16.3.1 问题①的分析

16.3.2 模型的建立和求解

16.4 问题②模型的建立和求解

16.4.1 问题②的基本假设和分析

16.4.2 模型的建立和求解

16.5 问题③模型的建立和求解

16.5.1 问题③的分析

16.5.2 模型的建立和求解

16.6 问题④模型的建立和求解

16.6.1 问题④的分析

16.6.2 模型的建立和求解

16.7 论文点评

参考文献

附件数学建模参赛经验

一、如何准备数学建模竞赛

二、数学建模队员应该如何学习MATLAB

三、如何在数学建模竞赛中取得好成绩

四、数学建模竞赛中的项目管理和时间管理

五、一种非常实用的数学建模方法——目标建模法


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/yw/8276488.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-04-14
下一篇 2023-04-14

发表评论

登录后才能评论

评论列表(0条)

保存