二类1错误矩阵方程增优置换变换求解及其在城市交通管理中的应用研究

消错学的错误矩阵可表达错误逻辑里所定义的分解、相似、增加、置换、毁灭、单位变换等转化词,针对其中的置换变换,构建了二类1错误矩阵方程增优置换变换错误矩阵方程,并讨论了该类错误矩阵方程的求解.用交通管理问题对错误矩阵进行了举例,并构建相应的错误矩阵方程,利用上述的求解方法,对二类1方程置换变换进行了求解.     

基于空间分解变换的模糊错误矩阵方程求解

模糊错误逻辑对现实世界的对象用(u,x)表示为((U,S(t),■T(t),L(t)),(x(t)=f((u(t),■),GU(t)),GU(t)),用模糊错误变换矩阵可以表示分解、相似、增加、置换、毁灭、单位变换等6种变换方法,本论文基于求解方程XA′=B,针对■的分解,研究了基于空间分解变换的错误矩阵方程求解。以期从矩阵方程求解的角度对错误转化规律进行探索研究。     

基于空间错误逻辑变量未知的对象识别状态与应该状态之间的转化

讨论了在错误逻辑变量中,论域、事物、特征、量值等参数为确定常量的条件下,讨论空间参数为变量且未知时,错误的识别状态转化为应该状态的方程及其求解。研究发现,当对象识别状态当前的空间包含于应该状态当前的空间时,可以采用错误矩阵一类5集合方程A∧X_(qg)?B_g构建错误矩阵集合方程求解;当对象应该状态当前的空间包含于识别状态当前的空间时,可以采用错误矩阵一类4集合方程A∨X_(qg)?B_g构建一元置换变换错误矩阵集合方程,求解识别状态和应该状态的转化。     

经典错误逻辑的相似转化词

经典错误逻辑研究的是错误传递、转化的规律,它为决策中避免错误,消除错误,减小错误的危害提供了新的方法.相似转化词是经典错误逻辑中的一个重要转化词,定义了相似转化词的概念,研究了这个转化词所具有的性质和规律.     

基于论域和量值二类错误逻辑变量求解的识别对象状态转化及其决策应用研究

研究了空间事物特征为确定常量的条件下,论域和量值参数为变量且未知时,错误识别对象状态的转化.研究发现,当对象识别状态的论域和量值都为Ⅱ类时,可以采用错误矩阵一类4集合方程A_s∨X_(qg)■B_g构建二元置换变换错误矩阵集合方程,将错误的对象识别状态转化为应该状态.最后,通过生产决策的实例说明其实际决策应用价值.     

错误数据集的变换研究

首先介绍错误数据集C的定义;再者引出错误数据集合的变换,最后研究各类错误数据集的有关运算及这些运算所满足的运算律.得出错误数据集的变换包括逆、或、积;错误集的变换类型有7种包括单位变换、置换变换、分解变换、组合变换、毁灭变换、增加变换、相似变换.     

逻辑命题分解变换与模糊错误矩阵包含型集合方程求解研究

在前期研究的基础上,对错误矩阵的概念作一个介绍,在此基础上,且对于矩阵的每一行又恰好是一个模糊错误逻辑命题.因为构成这类模糊错误矩阵的元素是集合,所以这类模糊错误矩阵之间一般是集合关系式,而不只是通常方程的等式,研究这一类模糊错误矩阵方程解的存在性,求解的方法等是理论与实践的需要.以XA■B研究对象,研究得到模糊错误矩阵集合方程XA′=B解的存在性及给出求解的例子.     

一种基于因素空间理论的群体整体优势的投影评价模型与实证

群体对象的多因素综合评价问题的数学本质是多元数据集合的排序问题,藉此确定群体间的相对优势.本文基于多因素轮廓分析的概念与方法,建立了多元数据集合到一维数据集合无信息损失的非线性投影方法.基于经典集合论,定义了集合的稀疏特征和分布特征,建立了一维数据集合优势关系的比对算法.在比对矩阵的基础上给出了多元数据集合间的排序模型.最后在UCI共享User Knowledge Modeling数据集上,对算法的有效性进行了实证分析.     

基于特征和量值为变量时错误识别对象状态转化及其决策应用研究

文中研究了空间,论域,事物为确定常量的条件下,特征和量值参数为变量且未知时,错误识别对象状态的转化。研究发现,当对象识别状态的特征和量值为Ⅱ类时,可以采用错误矩阵一类4集合方程A_s∨X_(qg)?B_g构建二元置换变换错误矩阵集合方程,将错误的对象识别状态转化为应该状态。最后,通过实例说明其实际决策应用价值。     

生长曲线模型的惩罚最小二乘估计

主要考虑了生长曲线模型中的参数矩阵的估计.首先基于Potthoff-Roy变换后的生长曲线模型,采用不同的惩罚函数:Hard Thresholding函数,LASSO,ENET,改进LASSO,SACD给出了参数矩阵的惩罚最小二乘估计.接着对不做变换的生长曲线模型,直接定义其惩罚最小二乘估计,基于Nelder-Mead法给出了估计的数值解算法.最后对提出的参数估计方法进行了数据模拟.结果表明自适应LASSO在估计方面效果比较好.