第五章单元测试
- 粗集理论可以解决所有含糊的、模糊的不确定性问题。
- 对于一个系统的评估，采用的评估参数越多，描述越详尽，对该系统的认识也越深刻，评估也就越准确。
- 知识的简约指的是在保持知识库中知识不失真的前提下消除知识库中冗余的属性。
- 相比于化简之前的决策表，化简之后的决策表保持了原有的条件属性，且具有相同的功能。
- 对系统进行综合评估和决策过程非常类似，从本质上说，是一个分类过程。
- 核是指一个信息系统中所有简约的交集，一个决策表可以有多个核。
- 评估体系的建立过程是选择合理的决策属性，使之可以对条件属性进行最佳描述。
- 运用粗集理论进行系统综合评估一般分为两个阶段：学习阶段和应用阶段。
- ( )年，Pawlak发表了经典论文Rough Sets，标志粗集理论的诞生。
人工神经网络是一种非常复杂的___动力学系统，可以充分逼近任意复杂的___关系。( )
简单贝叶斯分类器将训练实例分解为___和___.( )
简单贝叶斯分类器假定属性向量的各分量是( )。
- 下列关于粗集神经网络系统的说法中，正确的是( )。
灰色关联分析的基本思想是根据曲线( )的相似程度判断其联系是否紧密。
- 粗集理论的优点有( )。
- 粗集理论的局限性有( )。
- ( )都需要先验知识，具有很大的主观性。
- 文字通过( )等预处理后，可以表达成知识表达属性值表的形式。
- 粗神经网络系统主要完成的任务有()。
A:对 B:错
答案:错
A:错 B:对
A:错 B:对
A:对 B:错
A:对 B:错
A:对 B:错
A:错 B:对
A:错 B:对
A:1992 B:1991 C:1982 D:1997
A:非线性，线性
B:非线性，非线性
C:线性，非线性
D:线性，线性
A:属性向量，决策向量
B:属性向量，属性向量 C:决策向量，属性向量
D:决策向量，决策向量
A:相对于属性向量是条件独立
B:相对于决策变量是条件独立
C:互不相容 D:相互独立
A:最小条件属性集剔除了大部分不必要的条件属性，保留了大量的重要属性。 B:学习样本集从收集的原始数据中产生，数据的多少取决于许多因素，其中网络大小最为关键。 C:组织数据表指的是采用量化后的属性值形成一张二维表格，每一行描述一个对象，每一列描述对象的一种属性，组织数据表中的属性仅为决策属性。 D:对数据预先加以分类可以减少所需的数据量。相反，数据稀薄不匀甚至相互覆盖则无法进行处理。
A:几何形状 B:极值点
C:单调性
D:凹凸性
A:粗集理论将知识定义为不可分辨关系的族，因此，知识有比较清晰的数学含义，很方便用数学方法来分析处理。 B:基于粗集的计算方法非常适合并行处理。 C:粗集理论在数学上非常严密，有一整套处理数据分类问题的数学方法，特别当数据是不确定，不完整和不精确的时候。 D:粗集理论的实用性非常强，粗集理论是为开发自动规则生成系统而提出的，因而它的研究完全是应用驱动的。
A:对含糊概念的刻画过于简单。 B:需要其他方法的补充。 C:无法解决所有含糊的、模糊的不确定性问题。 D:缺乏处理不精确或不确定原始数据的机制。
A:模糊集理论 B:粗糙集理论 C:证据理论 D:贝叶斯理论
A:处理、归纳、分类 B:细化、位移、旋转 C:符号推理 D:尺度变换、编码
A:测试样本属性提取 B:识别 C:粗神经网络训练 D:学习样本筛选
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
