利用开区间覆盖的约简给出$\bf{Lindelöf}$覆盖定理的一个新证明
$\bf{Lindelöf}$覆盖定理:假定$A\subseteq \mathbb{R}$,并设$F$是$A$的一个无限开覆盖,则存在$F$的可数子集也覆盖$A$.
本文给出与数学分析(Tom M.Apostol)3.1.10 节中对于$\bf{Lindelöf}$覆盖定理的一个不同证明方法.
由于$F$是$A$的一个无限开覆盖,因此$\bigcup F$是一个开集(其中$\bigcup F$指的是$F$中所有开集的并).根据开集的构造,可知可以把$\bigcup F$分解成至多可数个互不相交的开区间的并.设这些开区间形成集合$\{A_i:i\in J\}$.然后我们沿用开区间覆盖的约简中的符号.则我们知道,$\forall a\in A$,$a$必被$D\backslash T$覆盖,且只能被$D\backslash T$中至多两个元素覆盖.易得$D\backslash T$是至多可数的(怎么证?),因此易得$\{A_i:i\in J\}$是至多可数的(怎么证?),因此可得存在$F$的可数子集也覆盖$A$(为什么?)
转载于:https://www.cnblogs.com/yeluqing/archive/2013/02/05/3827489.html
利用开区间覆盖的约简给出$\bf{Lindelöf}$覆盖定理的一个新证明相关推荐
- 利用开区间覆盖的约简给出有限覆盖定理的一个新证明
有限覆盖定理:设$M$是$\mathbf{R}$上的有界闭集.$I$是无限集,$\forall i\in I$,$B_i$都是$\mathbf{R}$上的任意开集.且$M\subseteq \bigc ...
- 混合型数据的邻域条件互信息熵属性约简算法
混合型数据的邻域条件互信息熵属性约简算法 兰海波 中国气象局公共气象服务中心 摘要:属性约简是粗糙集理论的重要研究内容之一,其主要目的是消除信息系统中不相关的属性,降低数据维度并提高数据知识发现性能. ...
- 独家 | 基于Python的遗传算法特征约简(附代码)
作者:Ahmed Gad 翻译:张睿毅 校对:丁楠雅 本文4700字,建议阅读15分钟. 本教程主要使用numpy和sklearn来讨论如何使用遗传算法(genetic algorithm,GA)来减 ...
- python遗传算法_基于Python的遗传算法特征约简(附代码)
导言 在某些情况下,使用原始数据训练机器学习算法可能不是合适的选择.该算法在接受原始数据训练时,必须进行特征挖掘,以检测不同组之间的差异.但这需要大量的数据来自动执行特征挖掘.对于小数据集,数据科学家 ...
- 粗糙集 遗传matlab,一种基于遗传算法和粗糙集的属性约简方法及精神状态评估方法...
一种基于遗传算法和粗糙集的属性约简方法及精神状态评估方法 [专利摘要]本发明公开了一种基于遗传算法和粗糙集的属性约简方法及精神状态评估方法,该基于遗传算法和粗糙集完成了粗糙集属性约简方法通过设定合适的 ...
- 蒙哥马利算法(Montgomery Algorithm)|蒙哥马利约简、模乘、模幂
Montgomery Algorithm(蒙哥马利算法) 蒙哥马利算法分为3种,蒙哥马利模乘,蒙哥马利约简,蒙哥马利模幂 1.从蒙哥马利模乘说起 模乘是为了计算ab(modN)ab\pmod{N}ab ...
- 粗糙集理论中--属性约简部分相关概念
下面的知识,只要掌握等价关系.等价类.商集就可以明白 定义(知识和概念(范畴或信息粒)) 设U是我们感兴趣的对象组成的非空有限集合,称为论域.论域U的任何一个子集X⊆U,称为论域U的一个概念或范畴.为 ...
- python实现遗传算法实例_基于Python的遗传算法特征约简(附代码)
作者:Ahmed Gad 翻译:张睿毅 校对:丁楠雅 本文4700字,建议阅读15分钟. 本教程主要使用numpy和sklearn来讨论如何使用遗传算法(genetic algorithm,GA)来减 ...
- 粗糙集理论相关基本概念及属性约简
目录 粗糙集理论和数据挖掘的关系 1.Rough集的基本概念 2.属性约简 粗糙集理论和数据挖掘的关系 Rough set理论和数据挖掘关系密切,它能为数据挖掘提供新的方法和工具,且具有以下特点: 首 ...
最新文章
- UE4创建第一人称射击游戏学习教程 Unreal Engine 4: Create Your Own First-Person Shooter
- Keil编译Entry point (0x00100000) lies outside the image.错误
- 第三十一讲:UML类图(上)
- 适用于单片机的数据加密算法:xxtea
- IOS 上传ipa文件失败
- C语言试题七十六之请编写函实现百钱买百鸡
- Spring Boot 2.x 启动全过程源码分析(上)入口类剖析
- PowerDesigner oracle 反向工程到cdm文件
- Collection完整内容整理
- 原创 subsonic指南中文 翻译
- 物品领用 系统 php,EXCEL物品管理系统V1.0(开放源码)
- html5富文本编辑器菜鸟手册,富文本编辑器froalaEditor(全面)附教程
- vscode 快速生成vue模板
- xamarin.forms 自定义Switch 采用 syncfusion.button中的 sfswitch
- sample函数注意事项
- 【开赛啦!邀你来战 】2022年“桂林银行杯”数据建模大赛暨全国大学生数学建模竞赛广西赛区热身赛
- uni-app 动画
- [深度学习] PyTorch 实现双向LSTM 情感分析
- 北航2022计算机软件基础期末C++复(预)习
- java面板的大小_JAVA编程上我定义了几个面板和一个Frame,怎么设置面板的大小???用setSize怎么没用啊?...
热门文章
- 开源 Web 应用最常见漏洞是 XSS 和 SQLI 漏洞
- 《CCNA安全640-554认证考试指南》——6.4节复习所有考试要点
- Vue.2.0.5-模板语法
- JavaWeb: 报错信息The superclass javax.servlet.http.HttpServlet was not found on the Java Build Path...
- Linux-vmware tools安装与cdrom挂载
- linux挂载点的容量设置
- Linux系统分析之启动流程
- html背景图片压缩显示,css背景图片在浏览器缩小时为什么下面出现了白色的
- wget的url获取方式
- CentOS7x64 防火墙配置