多集值信息表中的多粒度模糊决策论粗糙集

多粒度粗糙集和决策论粗糙集是Pawlak粗糙集的重要推广,目前已成为人工智能研究的热点.然而,它们大多处理的都是单值信息系统中的问题.而实际生活中绝大多数都是处理多值问题,为了解决这一问题,在多集值信息表中将多粒粗糙集与模糊决策论粗糙集相结合进行研究,提出了其在乐观,悲观情形下的上下近似,研究了一些相关性质并给出了多集值信息表中的多粒度模糊决策论粗糙集精度、粗度的概念,最后通过一个具体例子验证其有效性.     

改进的GM（1,1）幂模型及其参数优化

为了提高灰色GM（1,1）幂模型的拟合精度,对灰色GM（1,1）幂模型的背景值进行了改进,建立了一类改进GM（1,1）幂模型.利用粒子群优化算法给出了改进GM（1,1）幂模型的参数优化.实例分析结果表明基于粒子群算法的改进的GM（1,1）幂模型具有更高的预测和拟合精度.     

基本不等式中的“一正二定三相等”

“一正二定三相等”是指在应用基本不等式a1＋a2＋…＋an/n≥√a1·a2·…·an求函数的最值时,需同时满足以下三个条件：（1）各项均为正数;（2）和或积为定值;（3）具有等号成立的条件．然而在求解时,学生往往考虑不周,造成解题错误,主要体现在以下三个方面：     

一类圆锥曲线上定长动弦中点坐标的最值问题

一、问题的由来 上海二期课改新教材的配套练习册高二第二学期习题12．8B组第三题： 抛物线y^2=8x,动弦AB长为6,求AB中点M的横坐标最小值．     

矩阵奇异值分解及其在高维数据处理中的应用

矩阵奇异值分解能够实现对高维数据的局部特征提取及维数约减,在智能信息处理和模式识别研究领域具有十分重要的应用价值.首先分析了高维数据处理所面临的困境,并对常用的降维算法进行简单的归纳总结;然后阐述了矩阵奇异值分解的基本原理及其在维数约减和数据压缩中的物理意义;接着通过分析两种建立在奇异值分解基础上的PCA与LSA降维算法的数学导出过程,进一步给出了两者的等价性证明;最后总结了矩阵奇异值分解的优缺点,并且预测了高维数据处理技术未来的发展趋势.     

一类准指数序列的模型优化

在传统GM(1,1)模型基础上,结合最小二乘法原理提出:对本身已具有准指数规律的原始序列直接进行建模,并在此基础上对新模型背景值进行适当优化.克服传统GM(1,1)模型建模过程中的盲目性,并提高了拟合与预测精度.     

机器人及其安全系统的可靠性分析

是以机器人及其安全系统所构成的一个可修复系统作为研究对象,运用泛函分析方法并结合C_0半群理论,证明了严格占优本征值在本系统的存在性并且是系统严格占优本征值,进一步证明了在一定条件下,系统的动态解以指数化形式收敛于系统的稳态解.     

锥方向高阶广义邻近导数及高阶Mond-Weir对偶(英文)

本文引入了集值映射的锥方向的高阶广义邻近导数.应用这种导数,构建了约束的集值优化问题的一种高阶Mond-Weir型对偶,并建立了相应的弱对偶,强对偶和逆对偶性,获得的结果推广了文献中的相应结论.     

多复变全纯映射正规族关于连续移动超平面的一个充要条件

证明了从C~n的一个区域到P~N(C)中的多复变全纯映射族为正规族的一个充要条件.这个充要条件与P~N(C)中的逐点处于一般位置的连续移动超平面族有关.证明的主要方法来自于微分方程.