- 博客(12)
- 收藏
- 关注
RSS订阅原创 DeepSeek + Cherry Studio 本地部署
点击左下角的设置->选择Ollama->打开开关->管理（添加上面拉取成功的deepseek模型）->检查API。在终端里输入【ollama list】查看你安装的模型，复制一下你安装的模型的【NAME】，我这里是【deepseek-r1:1.5b】点击【Install】（这里需要注意的是，安装包是直接安装在C盘的，并不支持更改路径，因此C盘的空间必须要至少大于5GB的空余空间）。耐心等待，完成之后看到【success】字样，代表成功安装DeepSeek R1，然后就可以与DeepSeek对话了。
2025-02-21 15:12:18
524
原创 有亿点点烧脑的粗糙集属性约简----4 模糊自信息测度及其特征选择应用
自信息可以表示信号的不确定性。将自信息的概念引出到模糊粗糙集模型中可以用来度量模糊决策的不确定性。
2021-09-23 14:57:18
645
1
原创 有亿点点烧脑的粗糙集属性约简----3 邻域自信息测度及其特征选择应用
邻域粗糙集是处理数据挖掘不确定性的有效方法之一。 在邻域粗集中，正域通常被用来反映特征子集的分类能力。然而，正域并不是分类精度的一个有效估计，因为它只考虑了包含一致性的决策邻域下近似信息而忽略了决策的边界邻域上近似信息。针对目前邻域粗糙集模型中特征评估函数仅依据正域样本构造的缺点，通过引入决策自信息测度的概念，利用邻域粗糙集理论中的上下近似概念构造了决策变量的四种自信息不确定性测度，并详细讨论了其相关性质。基于第四种邻域自信息测度模型，构造特征评价函数——依赖度函数，并设计特征选择算法。
2021-09-15 22:06:39
959
1
原创 有亿点点烧脑的粗糙集属性约简----2 基础知识
邻域粗糙集和模糊粗糙集作为处理数据不确定的有效工具，被广泛用于数据挖掘、模式识别、人工智能等众多领域。下面回顾相关基础知识。
2021-09-14 20:56:57
966
2
原创 有亿点点烧脑的粗糙集属性约简----1 绪论
大数据（Big data）时代，越来越多的属性被获取存储，其中存在一些属性对于分类任务是不相关或冗余的。这些冗余的特征会使机器学习任务更加复杂，甚至降低学习性能。因此有效地处理冗余数据迫在眉睫，成为目前分类学习算法的一大挑战。
2021-09-10 16:17:00
1226
原创 遗传算法优化神经网络----1
遗传神经网络算法和神经网络算法最本质的区别可以说是学习方法不同，或者说模型的优化方法不同。前者应该是基于遗传算法进行网络参数的学习，而后者大都是采用反向传播（BP）算法进行网络参数的学习。遗传算法优化 BP 神经网络分为BP神经网络结构确定、遗传算法优化和 BP 神经网络预测3个部分。
2021-05-07 10:15:14
6330
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人