一种基于Web的分类体系学习算法

领域分类结构的抽取已成为本体工程和本体学习的关键部分,提出一种新的分类结构学习算法,将Web作为知识获取的语料库,运用迭代方法抽取相关语言学模式,再利用语言学模式抽取分类结构,并采用改进的互信息方法对结果进行评价和过滤,最后通过实验对该分类学习算法的性能进行评价.实验表明：算法具有良好的跨领域性,在准确率和召回率方面也有改善.     

非线性复杂系统的动力学问题

根据非线性动力学的研究现状和发展趋势,从六个方面去展望复杂系统的非线性动力学研究在21世纪的动向,探讨与其有关的动力系统理论和应用研究中面临的一些重大问题。     

有向图的邻域离散度

作为图的邻域离散度的一种推广,引入有向图的邻域离散度的概念．设D=（V,A）是一个有向图,V的子集S的开邻集和闭邻集分别定义为N^＋＋（S）={u：vu∈A（D）,v∈S}和N^＋[s]=N^＋（S）∪{s},D的一个割策略是V（D）的一个子集S使得N^＋[S]在D中被删除．有向图的邻域离散度定义为S（D）=^max s v{ω（D／s^＋）-│S│,S是D的割策略},这里ω（D／S^＋）：=D-N^＋[S]而ω（D／S^＋）表示有向图D／S^＋的强连通分支数．讨论了有向图的邻域离散度的一些基本性质,研究了Kn和Ks,t的定向图的最小邻域离散度．     

双图的一些脆弱性参数

一个图G的双图（double graphs）的定义为D[G]=G×T2,这里×表示图的直积,而死表示两个顶点的全图．本文研究了图的双图的一些脆弱性参数．     

一些特殊图类乘积的离散度

连通图的离散度是用s(G)来表示的,s(G)=max{ω(G-S)-|S|:ω(G-S)>1,SV(G)}.给出了两个完全图乘积的和一个完全图与路的乘积的离散度.还给出了两个完全图乘积的坚韧度.     

Modelling and simulation of gas dynamics in an exhaust pipe

The gas dynamics in an exhaust pipe is studied. In particular we focus on the warm up of the catalytic converter in very short times after the engine start. This is done by combustion a small unburnt part of the exhaust gas. This process is classically modelled by gas dynamic equations. Compared to the existing literature we improve the (one-dimensional) modelling approach using a small Mach number technique and a network ansatz for the full exhaust pipe. The final simplified model on one hand still describes the main features and on the other hand it is computationally a few orders of magnitude faster than the original model. Performing numerical simulations we compare the new model to the (classical) full model and to experimental results in the literature.     

Constructing Almost Symmetric Numerical Semigroups from Irreducible Numerical Semigroups

Every almost symmetric numerical semigroup can be constructed by removing some minimal generators from an irreducible numerical semigroup with its same Frobenius number.     

近场照度均匀的LED阵列设计

通过分析多颗LED组成的各种阵列在近场平面上的照度分布,来设计可实现近场照度均匀的LED排列方式和距离。基于LED的光强分布,构建单颗LED的光强分布模型（并非朗伯分布）,给出了方程和等式用于计算不同排列方式下的LED分布距离和封装密度,以实现近场平面上的照度均匀。     

基于相对熵的不完全信息群体专家权重的集结

针对属性权重信息和属性效用信息都不完全的群体多属性决策问题,运用相对熵理论提出了一种专家权重的确定方法．该方法通过集结各方案的综合评价值向量,客观地得到专家的权重,避免系统聚类方法中由给定相似度水平归类而产生的主观性问题．应用实例表明了方法的有效性和实用性．