具有自学习功能的电力负荷模糊推理预测

考虑到电力负荷预测问题中存在的不确定性,采用模糊推理预测方法进行负荷预测的研究。该方法利用电力最高负荷和国内生产总值的历史数据建立模糊推理规则,从而进一步建立最高负荷跟国内生产总值之间的模糊蕴涵关系,通过模糊推理得到了负荷预测结果。为了使模型能够象专家一样不断地总结新的经验并调整原有的经验,模型克服了其它模型中知识的凝固性,具有自学习功能。利用某些区的实际数据进行分析计算,得到了满足的结果。     

用于数据挖掘的粗集产生多重知识库的方法

提出了一种用于数据挖掘的粗集产生多重知识库的方法．该方法基于粗集理论的简化和决策矩阵．首先从知识表示系统中消除冗余属性,产生简化表,形成简化的知识表示系统,提高学习的有效性和精确性．然后从简化表中推导出决策矩阵,通过决策矩阵获取最小决策规则,计算包括所有必需属性的简化集合,给出计算最小决策规则和计算多重简化的算法．最后由相应的简化对最小决策规则进行分组形成多重知识库,给出产生多重知识库的算法．     

利用初等行变换求极大无关组的一些条件

本文讨论利用初等行变换求行向量组的极大线性无关组的方法,澄清一些线性代数教学用书中存在的一种模糊认识,并给出修正后的方法。     

一类Sierpinski海绵的Hausdorff测度

对每一个ｍ≥１,定义一个Ｓｉｅｒｐｉｎｓｋｉ海绵,它们的Ｈａｕｓｄｏｒｆ维数为１,它们的１－维Ｈａｕｓｄｏｒｆ测度被完全确定．     

广义强非线性拟变分不等式

引入并研究一类新的广义强非线性拟分变不等式,构造新的迭代算法,在没有紧性条件下,证明这类拟变分不等式解的存在性及由算法生成的迭代序列的收敛性,所得结果包含了近期一些作者的工作作为特例。     

关于Scott拓扑的core紧性

ＤＣＰＯ Ｌ被称作Σ－ｃｏｒｅ紧的,如果当Ｌ赋以Ｓｃｏｔｔ拓扑后是一个ｃｏｒｅ紧空间,长期以来,从序结构的角度刻划那些Σ－ｃｏｒｅ紧的ＤＣＰＯ一直是悬而未解的问题。在一定的限制条件下讨论上述问题,并得到了一些结果。     

序凸集与锥的正规性

研究了序凸集的一些运算性质,得到了紧序凸集的序端点表示定理．定理2紧序凸集是其所有序端点的序凸包．还利用序凸集给出了正规锥的两个特征性质．定理3实Banach空间E的锥P是正规的当且仅当E的任何有界集的序凸包是有界的．定理4实Banach空间E的锥P是正规的当且仅当E是局部序凸的,即E有一个序凸的零点邻域基．     

Fuzzy导集算子与Fuzzy拓扑

在Ｉ＾Ｘ上,定义了Ｆｕｚｚｙ半导集算子与Ｆｕｚｚｙ导集算子,讨论了它们与拓扑的关系,借助于文献（３）中提出的强导集概念,得到：若ｄ是Ｘ的Ｆｕｚｚｙ导集算子,则在Ｘ上唯一存在一个Ｆｕｚｚｙ拓扑ｆ,使得（Ｘ,Ｆ）是Ｆｕｚｚｙ准Ｔ０空间,且在（Ｘ,Ｔ）中Ｆｕｚｚｙ集Ａ的强导集恰是Ａ在ｄ下的像ｄ（Ａ）。     

粗糙集方法在基于属性分类中的应用

介绍粗糙集基础上的属性分类系统的构造,给出一种数据挖掘中新的分类方法:从初始的数据信息出发,依次构造约简属性集,并对其使用Bayes判别法进行基于属性的分类。最后给出了实例,验证算法的可行性。     

Apriori算法的一种变形

关联规则是数据挖掘的主要技术之一.本文针对目前最经典的关联规则挖掘Apriori算法的局限性,提出了一种只扫描一遍事务数据库的效率较高的Apriori_Tid-1算法,并给出了一个具体的实例,最后给出了该算法的实现.