强预不变凸函数的充要条件

本文讨论了强预不变凸函数与预不变凸函数、严格预不变凸函数及半严格预不变凸函数之间的关系,得到它的三个充要条件：(i)在一定条件下,f是强预不变凸函数的充分必要条件是f是预不变凸函数且f满足中间点强预不变凸性；(ii)在一定条件下,f是强预不变凸函数的充分必要条件是f是严格预不变凸函数且f满足中间点强预不变凸性；(iii)在一定条件下,f是强预不变凸函数的充分必要条件是f是半严格预不变凸函数且f满足中间点强预不变凸性．     

基于模糊GM(1,1)模型的时间序列预测

提出了一种模糊GM(1,1)预测模型,即FGM(1,1)模型,该方法是在GM(1,1)模型中引入模糊成员函数,通过模糊成员函数对时间序列数据进行模糊化,达到数据优化选择,实现历史数据"重近轻远"的预测效果.仿真结果表明所提出的预测方法有效可靠,为提高预测精度提供了新的途径.     

用因子分析法对西部地区的人口素质进行分析评价

本文利用因子分析法分析比较了我国西部各地区的人口素质，分析了西部地区人口素质水平低的原因，同时对提高地区人口素质提出了建设性的意见。为政府在制定地区产业发展方向、确定地区经济走向时提供参考。     

强预拟不变凸函数的充要条件

本文引入了一类新的广义凸函数—强预拟不变凸函数.讨论了强预拟不变凸函数与预拟不变凸函数、严格预拟不变凸函数及半严格预拟不变凸函数之间的关系,得到它的三个充要条件:(i)当条件P_1满足时,f是强预拟不变凸函数的充分必要条件是f是预拟不变凸函数且f满足中间点强预拟不变凸性;(ii)当条件P_2满足时,f是强预拟不变凸函数的充分必要条件是f是严格预拟不变凸函数且f满足中间点强顶拟不变凸性;(iii)当条件P_2满足时,f是强预拟不变凸函数的充分必要条件是f是半严格预拟不变凸函数且f满足中间点强预拟不变凸性.     

不可微函数的不变伪单调性与伪不变凸性

本文讨论不可微函数的强伪不变凸性和不变伪单调性之间的关系,还讨论了不可微函数的伪不变凸性与半严格预拟不变凸性.此外,还给出了一个集值映射的不变伪单调的等价定义.     

基于MTALAB的神经网络判别模型

判别分析是判别样品所属类型的一种统计方法.利用M ATLAB提供的神经网络工具箱为基础,设计了一个三层BP神经网络判别模型,提出了一种进行判别分析的新方法,实例表明,利用BP神经网络建立的判别模型是进行判别分析的有效方法.是对研究分类问题的方法的扩充.     

无条件C的广义$\alpha \eta $}-单调性的判别标准

用$\alpha $和 $\eta $关于第一分量是仿射的且是斜对称的条件代替条件C, 得到如下结论: (1)如果一个函数的梯度是(严格)$\alpha \eta $-伪单调的,则该函数是(严格)伪$\alpha \eta $-不变凸的; (2)如果一个函数的梯度是拟$\alpha \eta $-单调的,则该函数是拟$\alpha \eta $-不变凸的.     

无条件C的广义αη-单调性的判别标准

用α和η关于第一分量是仿射的且是斜对称的条件代替条件C,得到如下结论:(1)如果一个函数的梯度是(严格)αη-伪单调的,则该函数是(严格)伪αη-不变凸的;(2)如果一个函数的梯度是拟αη-单调的,则该函数是拟αη-不变凸的.