基于正交实验的BP神经网络预测研究

用不同的L9(34)正交实验方案结果作为训练学习样本集，对BP神经网络预测应用过程的策略进行了探讨，结果表明：完备的正交实验样本集是基本训练学习单元，在完备的正交实验样本集上添加或减少样本数量，所预测的结果是不可靠的；在同一类型、同一实验的条件下，完备的信息量大的正交实验样本集，能以很高的精度预测完备的信息量小的正交实验样本集；提出了一条新的实验设计思路——通过实验得出一个完备的正交实验样本集，通过计算机用BP神经网络就可以把与已知样本集有相同影响因素和水平的所有样本的值以相当高的精度预测出来，从而大大节省时间和劳力。     

小型氯化钠溶液太阳池的实验研究

报道小型太阳池的实验研究结果,并根据实验结果对太阳池的集热和蓄热性能作讨论。同时还介绍小型太阳池的设计、建造、灌液以及其温度浓度分布的测试。     

化学实验中的安全教育

化学是一门以实验为主的学科，实验是培养学生综合能力的一种方式，实验室是学生们除了课堂之外花费最多时间的地方，因此对学生进行实验室的安全教育也是一项必不可少的重要工作．对此进行了一些探讨．     

工科实验中的创新教育探讨

阐述了构建民主学习氛固的理念，使学生心情舒畅，思维敏捷，使实验课堂形成知无不言，言无不尽的气氛。提出了鼓励大胆质疑，欢迎课堂争论，发挥创造想象，萌发创新意识，激发创新欲望，鼓励创新思维，保护创新激情，培养创新理念，培育创新个性的建议。论述了教育评价要评价学习态度，探索求真能力、求异思辨能力、实验设计能力、实验操作能力、实验创新能力、知识应用能力的观点，实现对学生实验创新的导向作用。从而探索培养创新人才的道路。     

目标导学综合教改实验的教育实践结果报告

四川省普教重点科研课题农村初中目标导学综合教改实验，是在借鉴布卢姆教育理论和认知心理学的信息加工理论以及我国开展目标教学经验的基础上实施的。对江油全市初中各年级的语文、数学、外语、政治、物理和化学等种，共计２．２３万余名学生展开实验。主要使用了非对等比较组、对等比较组和时间序列配对等３种设计方式。并通过多种科学的检测方法，包括课题组所创的实验作用计算法对实验结果进行了评价。     

粒子高阶集合流关联Monte Carlo模拟与实验分析

关联度是描述集合流性质并与集合流的强度与集体性同等重要的新参量。本文基于关联度概念，建立了方位角高阶关联、横向动量模高阶关联和横向高阶关联的Monte Carlo模拟方法。采用粒子群关联函数，对Bevalac流光室2.1A GeV Ne NaF实验事件的高阶集合流关联效应进行了Monte Carlo模拟与实验对比分析，定量检测了该实验事件的三种高阶集合流关联的强度。     

微型化学实验教育功能的研究

在大学基础化学实验中，引进、推广微型化学实验教学，不仅对降低实验经费，浅少环境污染有着重要的意义，而且在培养学生的科学精神，绿色环保意识和提高实验综合能力等方面还有着特殊的教育功能。     

教育实验发展的发流与融合

在总结近十年来教育实验研究的基础上，通过对教育实验的纵向发展脉络的研究，说明了教育实验分流与融合的发展线索，并论述了它与自然科学实验的关系。     

物理实验与创新教育

物理实验是物理学建立、发展的基础。实施创新教育是当今世界教育改革与发展的基本走向。是我国基础教育改革的主题。文章阐述了物理实验在物理教学中的地位和作用，以及如何抓住物理学科的实验特点，实施创新教育，培养创新人才。     

AGS的E895实验的进展

ＡＧＳ的Ｅ８９５实验对于束能量范围每核子２－１０ＧｅＶ的金金碰撞中粒子产生，关联和集体效果的能量和质量相关性进行系统的和遍兴的测量。     

基于非凸区域下近似的图像边缘修补算法

将粗糙集中的上、下近似理论应用到解决遥感油库图像的边缘残缺问题中,即通过引入凸集、最大肯定凸子集,给出了基于非凸区域下近似的图像边缘修补方法,最后通过实验验证了该方法的有效性.     

一种基于分布特征的连续属性离散化方法

针对在使用粗糙集理论处理决策表时需要事先对连续属性进行离散化处理的问题,提出了一种基于连续属性分布特征的离散化算法．并通过实例分析说明该算法能在保证决策表原始分类能力不变的前提下,获得较少的断点数．     

基于组合神经网络的网络入侵检测

提出了一种构造组合神经网络的方法.该方法包括两个步骤,先在粗糙集约简的基础上确定单个神经网络的结构,以及在组合时要包含神经网络的个数;然后将这些分类器根据属性重要性组合起来.用该组合神经网络进行网络入侵检测,实验结果表明该组合方法是一种有效的入侵检测方法.     

幽门螺杆菌 N-末端肽序列的模式分类

针对胃病原体幽门螺杆菌Ｈ．ｐｙｌｏｒｉ基因组对象相关的Ｎ－末端肽序列,提出了一种新的基于粗糙集的模式分类器方法,并阐述了相应的设计过程;所构造的模式分类器模型具有灵活的粗糙集表示结构,并与有效的粗糙集模式分类机制有着有机的联系．该方法不仅在非确定性信息处理方面具有理论意义,而且在将高新科技手段应用于生命科学前沿领域方面,是一种非常有益的探索,相应的计算机实验结果表明了该研究方法的有效性和实用性．     

基于空间分布优选初始聚类中心的改进K-均值聚类算法

针对海量数据聚类过程中,经典的K-均值聚类算法对其K个初始聚类中心点的选择以及数据集噪声十分敏感的问题,提出了一种针对海量数据考虑初始聚类中心点选择的聚类算法.该算法首先采用冒泡排序法对数据集进行排序,获取数据集的各维中心值组成第一个初始聚类中心点.其次,通过计算与第一个初始聚类中心点的欧式距离,对剩余候选初始聚类中心点进行优化选择,保证所有的聚类中心点均匀地分布在数据集密度较大的空间上,以此减少聚类过程中的迭代次数和提高聚类算法效率.最后,基于UCI(University of California,Irvine)中多个数据集,进行聚类算法对比实验.结果表明,在不降低聚类效果的前提下,该聚类算法的迭代次数平均降低到50％,所需的时间降低平均达10％,由实验结果还能推出,当点集的数目越多时,该算法就能表现出越明显的聚类优势效果.     

基于概念格的知识约简算法的实现

探讨了Rough集和概念格的基本理论,将Rough集和概念格模型有机地结合起来,运用Rough集的约简理论提出一种基于概念格的知识约简方法并通过实验进行了验证,结果表明利用Rough集理论对以形式背景形式描述的原始数据集进行约简,可以在一定程度上减小概念格的规模.     

一种基于依赖度的决策表属性约简算法

属性约简是粗集理论研究的重要内容之一,计算所有属性约简已被证明是NP-hard问题,目前尚不存在一种非常有效的方法。基于依赖度的决策表属性约简算法,可同时适用于一致和不一致的决策表,实验结果表明,与Hu提出的属性约简算法相比,该算法不仅简单可行,而且具有较好的时间性能。     

A hybrid genetic algorithm for reduct of attributes in decision system based on rough set theory

Knowledge reduction is an important issue when dealing with huge amounts of data. And it has been proved that computing the minimal reduct of decision system is NP-complete. By introducing heuristic information into genetic algorithm, we proposed a heuristic genetic algorithm. In the genetic algorithm, we constructed a new operator to maintaining the classification ability. The experiment shows that our algorithm is efficient and effective for minimal reduct, even for the special example that the simple heuristic algorithm can't get the right result.     

一种基于粗糙集属性约简的图像隐藏信息检测方法

基于统计分析的检测方法是图像隐藏信息检测常用的方法,与特定隐写分析方法相比,它比较灵活,能够快速地适应新的或未知的隐写算法.针对特征属性高维的特点,采用粗糙集属性约简的方法来降低数据规模.实验表明:与采用全部属性的检测系统相比,该方法在不影响分类精度的前提下有效提高了检测速度.     

基于粗糙集和证据理论的决策规则提取

提出一种基于粗糙集和证据理论的两阶段决策规则提取算法, 该算法首先利用粗糙集中属性缩减的思想, 找出每条规则中的重要条件属性集合, 然后再基于证据理论中证据结合的思想进一步去掉重要条件属性集中的冗余条件属性, 从而得到最终的决策规则. 所给算法简化了属性集的约简, 对高维数据也是可行的. 实验结果表明, 利用该算法能够挖掘出高质量的决策规则.