基本内射模的方程组特征

本文定义了左R-模上的基本相容方程组的概念,并由此给出基本内射模的一个等价刻划。这一结论是文[1]结论的推广。     

求矩阵方程(N∑l=1)AlXlBl=C对称解的一个迭代算法

给出一个迭代算法求解线性矩阵方程(N∑l=1)AlXlBl=C的对称解X1,X2,…,XN,利用这个迭代算法可以判断这个方程是否有对称解.当矩阵方程相容时,可以通过有限步迭代之后得到它的对称解;当选择特定的初始值时,迭代之后得到的是其极小范数对称解;此外,通过求新线性矩阵方程的极小范数对称解能够得到给定矩阵的最优逼近解.最后给出了一个数值例子来验证结论.     

命题组相容真值指派集的自动生成

利用常规逻辑中的归结原理给出了命题组具值指派的相容性判定的一个算法，并在其中使用了删除策略以提高归结原理的效率；从而获得了确定命题组相容真值指派集的一种行之有效的方法．     

模上的实赋值与高层序的相容性

引进了模上赋值与高层序的融洽和相容等概念,由此研究模上赋值与高层序之间的密切关系.研究的结果表明,模上赋值与高层序之间的融洽和相容并不等价,这有别于模上赋值与普通序(即一层序).     

计算对称群S7的所有子群

利用计算机，通过采用一种新的方法代替置换乘法，计算出S7的全部11300个子群和96个共斑分类，并且每个子群给出了一个最小生成元组，同时给出了较详细的算法过程。     

ω-Smash余积Hopf代数和(f,ω)相容对(B,H)

定义了一个（f,ω）相容对（B,H）,并利用（f,ω）相容对（B,H）探讨了ω-Smash余积Hopf代数Bω（△△）H的性质.     

三元模2~n加与三元模2加相容程度的分析

密码算法的非线性组件决定了整个算法的安全强度.通过混合不同群上的运算来构造非线性组件是设计密码算法时经常使用的手段.为了衡量F_(2~n)上的三元加法运算与F2上的三元加法运算的混合使用对密码算法安全性的影响,本文分析了三元模2~n加运算与模2加运算的相容程度,给出了在减差分意义下三元模2~n加与三元模2加整体逼近的噪声函数概率分布及其取值平方和的计算公式.结果显示减差分整体逼近的噪声函数的概率分布取值是均匀的,且整体逼近的相容概率为2~(1-n).     

关于乘积空间和极限空间上几种拓扑的讨论

本文讨论了乘积空间上五种拓扑的结构,利用线性空间的Hamel基给出了归纳极限拓扑的一种构造表示,给出了归纳拓扑的另一种构造表示,比较了这五种拓扑的相互关系。其中的共序拓扑是作者提出来的。在本文中利用乘积空间上五种拓扑的相互关系讨论了一些有关的性质。作者提出了线性空间上拓扑的极大相容子空间的概念,分别给出了乘积空间上盒拓扑共序拓扑和归纳拓扑的极大相容子空间,并且统一给出了关于乘积空间上这三种拓扑极大相容子空间完备性的命题。本文还从结构上比较了极限空间上范数拓扑与相关的射影极限拓扑,归纳极限拓扑之间的关系,以及极限空间的子空间上这几种拓扑的诱导拓扑的关系。另外,利用对共序拓扑的极大相容子空间完备性的讨论,对[8]中主要命题(4.1)条件充分性的证明给予了简化。     

线性方程组求解的一个迭代算法

给出了求解线性方程组的一个迭代算法并证明了收敛性,通过对该算法中参数的选取,导出了若干投影算法。     

基于时间段和频带联合选择的多类运动想象脑电数据分类

脑电信号的时间和频率间隔选择对脑机接口的分类性能具有重要的影响。针对多类运动想象脑机接口系统,提出一个新的基于时间段和频带联合选择的分类算法。该算法首先使用滑动窗将运动想象产生的脑电信号在时域和频域进行分割,然后在每一对截取的时间段和频段,使用多类共空域模式算法提取脑电特征信号,最后使用k-最近邻算法对特征信号进行分类。交叉验证的分类识别率作为最优时间段和频带的选择标准。使用一个四类数据集对这个分类算法的性能进行了测试。与现有的3个典型算法比较,这个算法取得了最高的平均分类正确率,证实了这个基于时间段和频带联合选择的分类算法的有效性。     

多元组粗糙集合在规则生成中的应用

多元组粗糙集合是对传统粗糙集合的一种推广,它具有比传统粗糙集合描述更直接,更方便等优点,并能导出决策表中相应的确定规则,可能规则和否定规则,通过比较发现它能有效的提高规则生成效率,文中所给出的算法特别适合于具有重复元组的决策表。     

基于偏序关系的Rough集模型及其应用

在标准Rough集理论的指导下,利用偏序关系性质构造了不同分类,并以此为基础探讨了上、下近似集,从而构建了基于偏序关系的Rough集模型。新模型将Rough集理论的应用范围由等价关系扩展到偏序关系。为了更好地增强模型的实用性和灵括性,一方面从程度、精度、概率等角度出发分别对其进行了扩展,另一方面引入依赖度使其适用于研究各种非严格的偏序关系。给出了实例分析,并结合现实生活中的现象阐述了模型的应用价值。     

基于粗糙近似的Web事务聚类改进算法

针对现有Web使用记录挖掘方法发现的知识和规则存在不精确或不完全的问题,提出了一种改进的基于粗糙近似的Web事务聚类算法.该算法首先对原有算法得到的每个类,用关系矩阵找出在这个类中不满足传递性的对象,然后在该对象的集合(类)上用关系矩阵找出在这个类中不满足传递性的对象,再对每个类进行分割,使其满足关系R的传递性,克服了现有算法不满足关系的传递性和在某些情况下得到的结果不准确的缺点.     

基于属性频率函数的粗糙集属性约简算法

以现有的两个粗糙集属性约简算法为基础，提出了一种基于属性频率函数的粗糙集（Rough Set）属性约简算法，该算法既可保证每次计算都能得到一个约简，又具有较好的时间复杂性．     

基于粗糙集理论的示例学习研究

到目前为止，一些启发式算法被提出用于基于扩张矩阵理论的示例学习研究，该文基于粗集理论研究示例学习问题，提出了粗集理论下的几个新概念，如：必要选择子，核选择子集，约简选择子集和所产生复合的评价指标；精确度、覆盖度和简单性，给出了扩张矩阵的粗糙集算法，并提出了基于覆盖度和简单性的遗传算法最优示例学习方法。     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

基于电磁仿真的粗糙面上二维目标参数反演

针对海洋(或陆地)环境中目标电磁逆散射问题开展研究,建立了粗糙面上简单导体目标的电磁散射模型,通过精确的电磁散射建模得到散射回波数据,包括空间分布采样和频率采样,再分别应用BP神经网络(BPNN)和支持向量机(SVM)两种方法反演粗糙面上二维导体目标的特征几何尺寸.在粗糙面上圆柱几何参数反演以及海上舰船尺寸反演过程中需要考虑粗糙面的随机性,因此对散射数据进行了多次统计,实现了随机粗糙面上方目标的特征参数重构.     

粗集理论的现状与前景

讨论了粗集理论的基本概念,详细的介绍了其在理论与应用方面的研究进展,并指出了粗集理论今后的一些研究方向。     

粗集理论中等价关系的交与并运算

粗集理论是当前计算机学科中的一个热点问题,它应用于数据挖掘等领域,等价关系是粗集理论中的一个重要概念,本文主要研究了等价关系的交并运算,建立了等价关系对于交并运算的代数结构。     

基于粗糙集的指标体系优化及评价方法研究

粗糙集方法能客观、有效地对有限指标数据进行挖掘,通过属性约简剔除冗余指标,并根据属性重要度生成指标权重,系统地探讨了利用粗糙集进行指标体系优化和综合评价的全过程思路及方法,并通过同行评议专家科技信用评价实例,验证了方法的实用性.