基于紧密度的模糊加权kNN数据分类方法

模糊k-最近邻(fuzzy k-nearest neighbor,FkNN)及其改进的分类方法忽略了样本存在分布不均匀以及噪声样本的情况,不能充分体现每个类样本特征的差异性,影响了分类的准确率.为此,提出了一种基于紧密度的模糊加权kNN数据分类方法.首先基于样本间紧密度计算样本的隶属度;然后根据特征的模糊熵值分别计算每个类样本特征的权重,并使用加权欧氏距离确定近邻训练样本;最后根据待分类样本所属的每个类别的隶属度确定其类别.对UCI多个数据集的实验结果表明该方法是有效的.     

基于特定随机输入样本的模糊δ规则的收敛性

讨论在样本模糊可分条件下,基于特定随机输入样本的模糊δ规则的收敛性。基于特定随机输入是指样本按轮次输入网络,每一轮按照随机排序选取样本。证明在训练过程中权值单调下降,并最终达到收敛,给出了学习步长的选取范围。     

基于《课程标准》的中学数学试卷契合度评价

首先基于课程标准建立知识分布体系,将教育测量与模糊数学方法相结合,建立了基于“掌握程度、重要度、难度和能力要求”四大知识分布体系的试卷评价指标体系,给出了各评价因素指标的数据标准和采集方法,应用模糊贴近度,给出了试卷的契合度评价方法.最后,选取2012年普通高等学校招生全国统一考试理科数学试卷（必修＋选修II）做样本开展实例研究.     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

基于数据垂直分布的模糊关联规则入侵检测算法研究

把基于数据垂直分布的模糊关联规则挖掘算法引入到网络的入侵检测,利用该算法从网络数据集中对采集到的数据进行模糊化的处理,并将数据垂直分布于位图中.利用k-means聚类算法建立属性的模糊集和模糊隶属函数,该算法克服了传统的离散分区法的不足,同时改进了已有模糊关联规则,提取出具有较高可信性和完备性的模糊关联规则.     

基于加权特征的无监督模糊聚类入侵检测研究

鉴于网络入侵检测数据样本特征属性的异构性及贡献率不同,提出一种加权特征的异构数据相似性度量法来反应网络数据样本间的相似程度.针对基于模糊C-均值聚类的网络入侵检测算法聚类数目难以确定的问题,提出了一种自动确定最佳聚类数的无监督模糊聚类入侵检测算法.通过KDDcup1999数据集的仿真对比实验,结果表明本文算法能找到最佳...     

NA样本均值的Bootstrap逼近

用Bootstrap法估计随机变量的概率分布广泛适用于样本为独立同分布情形.立足于考虑随机变量序列{Xn,n≥1}为NA相协样本条件下均值X-n的Bootstrap逼近问题,首先定义了强平稳组间独立的负相协样本,然后对样本分成k组情况下X-n的k个刀切虚拟值Yi(i=1…k)赋予质量1k,得到“经验分布函数Fk*,从F*k中抽取k个独立样本Y1*,…,Yk*,用n(Yk*-Xn)的条件分布去模拟n(Xn-μ)的分布,最后证明其相合性成立.     

基于小波变换的模糊神经网络短期负荷预测方法

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.     

基于确定性转换的IFTS预测

模糊时间序列预测模型在对不确定数据集的模糊趋势描述和论域划分方面有局限性,对此文中规范了直觉模糊时间序列的定义,应用直觉模糊C均值聚类算法优化论域区间划分,通过加入回溯机制构建确定性转换直觉模糊规则库,在此基础上提出一种直觉模糊时间序列预测方法,较好地反映了不确定系统数据的特征分布,提高了复杂环境下时间序列的预测精度. 通过典型实例验证了该方法的有效性和优越性.     

样本相关系数教学中的若干注解

在概率论和数理统计教学中,对总体相关系数做了较为详尽的描述和分析.样本相关系数具有广泛的应用意义,但在教学研究中涉及样本相关系数内容较少.分析样本相关系数与总体相关系数之间的关系,总结样本相关系数分布及相关统计性质,通过蒙特卡洛模拟方法直观展示样本相关系数、欧式距离、总体相关系数之间联系.     

一类先验参数分布族的Γ-容许估计

对部分先验信息Γ分布族进行研究,得到了一类先验分布族Γ在平方损失下分布参数为Γ?容许估计的充分条件,并将此方法推广到限制空间中该类先验分布族Γ的情形.     

基于Bayes估计的一般原则及在平方损失下的简单应用

讨论了求Bayes估计一般方法的理论依据,给出一种新的证明途径.并进一步给出了平方损失下,二项分布参数以Beta分布为先验分布时的Bayes估计以及正态均值在正态先验分布下的Bayes估计.     

自回归模型参数的贝叶斯估计

本文中我们讨论了误差为T分市的自回归模型,在参数满足Jeffreys型先验分布条件下,得出了多数的贝叶斯估计,并证明了参数估计相容性.     

非理想照明条件下的Talbot距离的确定

本文介绍了一种在理想条件下确定Talbot距离的新方法，并且推出了非理想照明条件下Talbot距离．     

小样本成败试验可靠性评估方法

用Bayes评估方法,对成败型试验进行了可靠性评估,在置信度90%,可靠度不小于0.9的要求下,由古典抽样方法的样本容量从22减少到14,并根据试验前的具体情况,给出两种不同先验分布,得到可靠性评估的数学模型和计算结果.     

Winkler地基对薄圆板的非线性弯曲行为的影响

研究了Winkler地基上圆板在横向载荷作用下的弯曲问题。基于经典板理论,考虑几何方程、物理方程及平衡方程,给出了位移为基本未知量的弹性地基圆板弯曲问题的控制微分方程。采用打靶法数值求解所得非线性边值问题,获得了两种边界下圆板的弯曲变形与无量纲载荷之间的关系曲线,讨论了弹性地基系数对圆板弯曲行为的影响。结果表明:两种边界条件下,弹性地基系数越大,板的弯曲越大;相同弹性地基下,简支板的弯曲变形大于固支板的弯曲变形。     

关于伯恩斯坦多项式在无穷区间上的一种普遍推广

本文引进Bernstein多项式在无穷区间上的另一推广形式（s是正整数）我们证明了：在一定条件下。在f（x）的连续点处，有并在一定条件下，得到了Bns（f；x）对于f（x）的逼近度．     

带交易费有偏好套期保值的未定权益定价与资产优化性质

对给出的有交易费的正常化市场资产模型,利用辅助鞅和资产折算函数方法,讨论了该市场模型下有偏好套期保值的期权定价及定价区间,由此还进一步讨论相应的资产优化性质。其中,引进偏好系数来讨论未定权益定价,使得所给出的定价形式具有一定的柔性。即未定权益中分量赋予不同的侧重,以及在一定的优化或环境约束情形下,可适当地调整未定权益定价,比单纯的套期保值有一定的优势。     

分块矩阵Drazin逆表示的一些结果(英文)

给出了分块矩阵(ABC0)在满足ADBC=0,ABCAπ=0时的Drazin逆表达式,推广了[12]的结论;并且也给出了分块矩阵(ABCO)在BCAAD=0,AπBC=0时的Drazin逆表达式。     

鲁棒自适应PID控制器

提出一种基于灵敏度鲁棒性指标的自适应PID控制器. 通过对控制回路正常运行操作中产生的输入和输出信号的分解和拉普拉斯变换,辨识出过程对象在重要频率范围内的频率响应特性. 在此基础上用最小二乘法从幅值和相位两方面去拟合一个二阶加纯滞后传递函数,获得过程对象模型,计算出满足灵敏度指标的PID控制器参数. PID控制器的自适应过程既不需要过程对象和控制器的任何先验知识,也不用中断控制回路的正常运行. 仿真实验表明了自适应控 制器的有效性和可行性.