外P-反动态信息特征与信息恢复

利用P-集合的结构与动态特性,给出外P-信息,外P-反动态信息,外P-反动态信息生成与外P-反动态信息恢复概念;外P-反动态信息是.P-集合的新特征.利用这些新概念,给出一些新的理论结果:外P-反动态信息属性定理,外P-反动态信息属性合取定理,外P-反动态信息恢复定理与外P-反动态信息单位圆定理.     

内P-反动态信息特征与信息恢复

P-集合(packet sets)是一个动态模型,P-集合是由内P-集合x~F(internal packet set X~F)与外P-集合XF(~Fouter packet set X~F)构成的元素集合对;或者(X~F,X~F)是P-集合.利用内P-集合的结构,给出内P-信息,内P-反动态信息,信息的内P-反动态恢复概念,给出内P-反动态信息的属性合取收缩生成,给出内P-反动态信息与内P-信息同属性定理,给出内P-反动态信息存在与属性合取范式定理,给出信息的内P-反动态恢复属性定理.这些基本理论结果是把内P-集合与一类信息系统故障状态识别交叉,渗透研究得到的.     

外P-信息融合和它的属性合取特征

P-集合(packet sets)是由内P-集合X~F(internal packet set X~F)与外P-集合X~F(outer packet set X~F)构成的集合对;或者,(X~F,X~F)是P-集合.利用外P-集合,给出外P-信息融合生成,外P-信息融合补充生成与外P-信息融合度量概念;给出外P-信息融合生成定理,外P-信息融合依赖定理;给出外P-信息融合还原定理;给出外P-信息融合的属性合取定理与属性合取压缩定理;给出属性合取压缩外P-信息融合发现原理.     

内P-显性信息规律显性-隐性特征与显性信息规律发现

函数P-集合(function packet sets)是把函数概念引入到P-集合内(packet sets),改进P-集合得到的,函数P-集合具有动态特性,规律(函数)特性。函数P-集合是由函数内P-集合SF(function internal packet set SF)与函数外P-集合SF(function outer packet set SF)构成的函数集合对;或者,(SF,SF)是函数P-集合.利用函数内P-集合与生物遗传学中的显性,隐性概念交叉,渗透,给出内P-显性信息规律的显性-隐性特征,给出内P-显性信息规律的显性-隐性定理,给出内P-显性信息规律发现准则;利用这些结果,给出内P-显性信息规律发现的应用.     

P-集合与双信息规律生成

P-集合(pacdet sets)是由内P-集合X~F(internal packet set X~F)与外P-集合X~F(outer packet set X~F)构成的集合对.P-集合是把动态特性引入到普通集合中,利用普通集合(cantor set)被提出的.在一定的条件下,P-集合能够回到普通集合的原点.利用P-集合,给出双信息规律生成概念,给出双信息规律依赖的属性特征,提出双信息规律生成定理,辨识定理,给出应用.P-集合是研究动态信息系统的一个新的数学理论与数学方法.     

内P-推理与系统故障判断恢复

P-集合(packet set)是由内P-集合XF(internal packet set)与外P-集合XF(outer packet set)构成的集合对(XF,XF),利用P-集合得到P-推理(packet reasoning),P-推理是由内P-推理(internal packet reasoning)与外P-推理(outer packet reasoning)共同构成的.P-推理是一个动态推理,具有智能特征;把内P-推理应用于系统故障判断-恢复中,给出了内P-故障信息判定定理、最小粒度定理、粒度链定理、属性补充-信息删除定理、系统故障元判定定理,内P-推理信息辨识定理及推论,同时给出了系统故障内P-推理算法与它的N-S图,最后给出应用实例.     

内扰动与属性合取扩展规律挖掘-发现

扰动的存在使得系统标准输出规律变成非标准输出规律的现象等价于在扰动存在的条件下,非标准输出规律被挖掘-发现;利用函数P-集合模型与它的动态特征给出这个现象的理论研究.主要结果:给出函数P-集合的结构与规律扰动,扰动恢复概念;给出扰动度量;利用这些概念,给出内扰动与属性合取扩展定理;属性合取扩展与内扰动规律挖掘定理,内扰动与规律挖掘辨识定理,内扰动与规律挖掘属性不变性定理.     

P-直觉模糊集及其应用北大核心

将P-集合引入到直觉模糊集中,改进了直觉模糊集,提出了P-直觉模糊集。P-直觉模糊集由内P-直觉模糊集、外P-直觉模糊集构成的直觉模糊集对(A^(F),A^(F)),给出了内P-直觉模糊集截集及基数的概念,讨论内P-直觉模糊集区间截集性质及基数定理、给出内、外P-直觉模糊集与直觉模糊集、模糊集的关系定理,最后给出内P-直觉模糊集的应用。     

内-遗传信息与它的内P-推理发现特征

P-集合(Packet sets)是由内P-集合X~F(internal packet setsX~F)与外P-集合X~F(outer packet setsX~F)构成的集合对;或者,(X~F,X~F)是P-集合.给定有限普通集合X={x_1,x_2,…,x_q},α={α_1,α_2,…,α_k}是X的属性集合;若在α内补充属性,则X变成内P-集合X~F={x_1,x_2,…,x_p},X内元素x_1,x_2,…,x_p被内-遗传到X~F内,P≤q,P,q∈N~+.内-遗传是P-集合的重要应用特征之一.利用内P-集合,给出内-遗传信息概念,内-遗传信息的遗传特征;利用内P-推理,给出内-遗传信息的内P-推理辨识与未知内-遗传信息的内P-推理发现.     

外P集合与F-扩充数据-过滤

P-集合具有动态特性,它由内P-集合与外P-集合组成.植物品种扩充过滤过程具有外-动态特性,应用外P-集合的外-动态特性及其结构,提出了F-扩充数据概念,讨论F-扩充数据的生成与过滤,获得F-扩充数据-过滤定理及F-扩充数据的生成-过滤算法,并给出F-扩充数据-过滤的应用.研究结果为动态信息系统的数据扩充提供了一种新方法.     

圆内圆与圆外圆北大核心

若m^2＋n^2〈a^2（n〉0）,则以D（m,n）为圆心,半径r=a/2-m^2＋n^2/2a的圆（以下称D圆）必在圆O：x^2＋y^2=a^2内部,     

时序特征下语言评价信息的激励性集结方法及应用北大核心

针对语言型评价信息在动态群体评价中的有效集结问题,提出了一种新的时序特征下语言评价信息的激励性集结方法。首先,考虑指标的时序变异特征,通过熵权的相对变异度来修正指标熵权得到各阶段指标的可信权重;其次,给出二元语义时序激励算子(time ordered incentive operator,TOI)的定义,引入柔性时间权重和激励性调节系数,进行评价信息的激励性集结;最后,以某运载火箭研究院对其供应商的合作效果评价为背景进行算例研究。结果表明:所提方法是进行语言型动态群体评价的有效方法,具有良性的激励引导作用,且能在一定程度上避免以往语言信息处理所造成的信息扭曲和损失,为解决动态群体评价问题提供了一种新途径。     

牛鞭效应弱化与反牛鞭效应强化在完美信息下联合作用的博弈

在供应链运作过程中,同时存在牛鞭效应与反牛鞭效,若仅考虑到供应链的成本、需求偏差等问题,这种存在会因有限理性的驱使使得牛鞭效应弱化与反牛鞭效应强化.因此,认为供应链的上下游在周期内会表现出牛鞭效应弱化与反牛鞭效应强化的联合作用,联合作用使得单个企业达到低平均库存成本,也意味着供应链的整体库存最低且整体市场需求偏差最低,间接地、自动地从整体上消除牛鞭效应或反牛鞭效应,使得整条供应链不管是短期的还是长期来看是最佳的,若是长期,还会给供应链企业带来显著的战略优势.     

野生中药材供给与稽查的不完全信息动态博弈分析

针对中药材供给中的信息不对称性,建立了三个中药材供给方与政府稽查部门之间的三个不完全信息动态博弈模型,得到了相应的子博弈精炼贝叶斯均衡解的五个结论.这五个结论合理刻画了中药材供给方与政府稽查部门的博弈行为并揭示了非法采挖野生中药材现象难以杜绝的原因.结果表明,政府对稽查行为的条件激励措施并不能有效杜绝非法采挖野生中药材现象,只有政府对所有的稽查行为实施普遍的强激励机制才可从根本上消除非法采挖野生中药材的现象.     

考虑牛鞭效应与反牛鞭效应联合作用在不完美信息下供应链决策者的合作博弈与演进

理性假设下,供应链运作过程中出现牛鞭效应也会出现反牛鞭效应,在考虑牛鞭效应与反牛鞭效应联合作用下分别构建二级供应链合作博弈模型与n级供应链合作博弈模型,得到Nash均衡策略,构建合作Nash均衡下供应链上订货模型,并通过数值算例验证订货模型及牛鞭效应特性与反牛鞭效应特性交替作用的最优化局势优于传统视角的消除牛鞭效应带来的供应链优化.研究表明:供应链上下游在周期内表现出牛鞭效应特性与反牛鞭效应特性的交替作用,会使得供应链整体上市场需求偏差减少、运作成本降低.贡献在于给出消除牛鞭效应的新思路,从整体上消除牛鞭效应或反牛鞭效应,使得整条供应链不管是短期的还是长期都是最优的,在长期还会给供应链企业带来显著的战略优势.