1) invariant decision function
不变决策函数
2) decision function
决策函数
1.
The algorithm about incremental generating decision function is built by modifying the definition of discernibility matrixes.
笔者提出的递增式决策函数生成算法是在改造后的分辨矩阵下完成的,更有利于编程实现;避免了传统粗集方法对数据作一次性处理生成庞大的决策矩阵,从而有效解决了在处理大规模数据库时内存不足问题;由于决策函数是递增式生成的,因此该算法适应了目前数据变化的特点,实现了新例的动态学习,因此这种对信息的重用,减少了数据挖掘的时间;同时,递增式决策函数生成算法从根本上解决了多类决策的递增式学习问题。
2.
The basic concepts,principles,logic flowchart of algorithm,characteristics of the competitive decision algorithm were systemically expounded and the widely used competitive force function,decision functions, resources exchange rules of the algorithm were proposed.
全面阐述竞争决策算法的基本概念、原理、算法流程、特点,给出了常用的竞争力函数、决策函数、初始状态、资源交换规则,并以示例来说明该算法的原理、特点及应用。
3.
This paper transfers the non-parametric hypothesis test of two or more equal population into the statistical decision problems which be reseaching the best decision functions.
本文将两总体及多总体分布相等的非参数假设检验问题转化为寻求最优决策函数的统计决策问题。
3) decision-making function
决策函数
1.
Thus the associated matrix is formed between the project and the object,and accordingly educed expressions of evaluative function and decision-making function.
基于Vague集的模糊决策方法近年来得到了广泛的应用,这种决策方法综合考虑了方案满足目标的可能性和不满足目标的可能性两个方面的因素,以此为基础建立方案和目标之间的关联矩阵,从而利用i-vVague集导出了评价函数和决策函数的表达式,并且可以根据不同的情况选择不同的决策函数。
2.
Simultaneously,it established a mathematical model of Multi-sensor,then obtained analytical expressions of decision-making function.
基于Vague集的模糊决策方法近年来得到了广泛的应用,它以方案满足目标的可能性和不可能性为基础,进而建立方案和目标之间的关联矩阵;该方法克服了传统方式下利用模糊集的固有局限性,同时针对多传感器信息融合的数学模型,得出决策函数的具体表达式,并且给出结果的判决准则,最后通过实例分析证明这种方法简单有效。
3.
In this paper, the characteristic of decision-making functional spaces is discussed.
就决策函数空间的特性进行讨论,指出任何统计决策问题总是与一个随机过程有关的,所有统计决策函数所构成的集合可以看作是一个拓扑空间。
4) decision functions
决策函数
1.
We propose a new construct method of multicriteria decision functions based on genetic programming algorithm,which produces more stable decision functions than the AHP arithmetic mean used ones.
提出了一种基于遗传程序设计算法(GPA)构造多准则决策函数新方法,该方法构造的决策函数比典型的分层处理AHP(算术平均值)方法构造的决策函具有明显的稳定性。
5) decision variable
决策变数
6) decision-function
决策函数(df)
补充资料：变分原理(复变函数论中的)
变分原理(复变函数论中的)
omplex function theory) variational principles (in
f日In}F(O(只，t)，0)l}乙+:d乙=】nll，—}——，厂:’、一几t)〔.匕，日亡卜OC一“C’日当r，0时下*(:、，t)/:在B*的紧子集上一致地趋于0(k一1，2).该结果已被推广到二连通区域(13」).若加以进一步的限制，就能得到映射函数在B、(t)内关于表征所考虑区域边界形变的参数的展开式余项的估计式(在闭区域内一致)(【4」).份卜注】存在大量的变分原理，见【A3}第10章.亦可见变分参数法(variation一parametrie nlethod);肠”ner方法(幼wner Tnetl〕ed);内变分方法(internalvariations，服t】1‘对of). 还可见边界变分方法(boundary variations，me-tll‘xlof).M.schiffer对单叶函数的变分方法做出了重要的贡献，见〔A3」第10章.变分原理(复变函数论中的)Ivaria石0“目州址妙es(加e网Plex五叮‘6佣山印ry);。即“a双“OHH从e nP一”u“nHI 显示在平面区域的某些形变过程中那些支配映射函数变分的法则的断语. 主要的定性变分原理是ljxlelbf原理(Linde场fpnnciPle)，可描述如下.设B*是z*平面上边界点多于一点的单连通区域，06B*，k=1，2;设二(;，B*)是对于B*的Green函数的阶层曲线，即圆盘王心川C!<1}到B*而使原点保持不变的单叶共形映上映射下圆周C(r)二{乙:{心}二;}的象，o<;<1.进而设函数f(:，)实现B，到B:的共形单射，f(0)‘O，在这些假定下有:l)对于L(:，B，)上任一点:?，存在位于阶层曲线L(:，BZ)上(这仅当f(B，)二BZ才有可能)或其内部的一点与之对应;及2){f’(0)1蕊}夕‘(0)}，其中g(:，)满足g(0)二o是Bl到 BZ的单叶共形映射(等号仅当f(B1)=B:时成立).Lindebf原理系从Rien坦nn映射定理(见Rle-n.lln定理(Rierl飞幻In theorem))与Sdlwarz引理(Schwarz lemrr必)推出.相当精细的构造使之能够求出由被映射区域的给定形变所引起的映射函数的逐点偏差. 定量的基本变分原理系由M.A.几aBpeHTbeB(〔1」)获得(亦可见【2])，可叙述如下，设B:是具有解析边界的单连通区域，0任B!.假定存在给定区域族B，(r)，0‘Bl(r)，0(t蕊T，T>O，B;(0)二B，，具有JOrdan边界rl(t)={:一z，=0(之，t)}，0(又续2兀，0(0，t)二Q(2二，r)，其中Q(又，r)关于t在t二O可微且对又是一致的;设F(::，t)，F(0，t)=0，F:.(0，t)>O，是把B，(t)单叶共形映射为BZ二{22:I:21
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条