块有限生成的正交模格的自同构群

介绍了一般格的直积的自同构群与自同构群的直积的关系,对块有限自同构群的结构进行了探讨.对于几个重要不可约块有限正交模格的自同构群,主要由自同构的性质得到其生成元集;对于非不可约块有限正交模格,由其直积分解式,结合自同构群的直积,给出了其自同构群的构造.     

量化扩展概念格的属性归纳及多粒度规则挖掘

在知识发现过程中用户感兴趣的往往是一些高层次、适当概括的简化信息,面向属性的归纳是目前主要的数据归约方法,一般是仅考虑原始数据所提供简单的统计信息;而基于量化扩展概念格的属性归纳算法,既可进行AOI的单一属性归纳,也能进行多层、多属性的归纳,而且泛化的路径不是唯一的,在量化扩展概念格的哈斯图很容易找到合适的泛化路径和阈值,得到满足用户要求合理的属性归纳结果,同时可以多层、多维的不同粒度的关联规则,有助于不同粒度知识的聚焦,发现不同粒度知识之间的变换关系.     

完备格上模糊关系方程的研究进展

从理论研究的角度总结了模糊关系方程30余年来的研究进展,内容包括:完备Brouwer格上sup-inf合成模糊关系方程的极小解及方程的解集,其中包括论域有限时完备Brouwer格上模糊关系方程的极小解及方程的解集以及论域无限时完备Brouwer格上模糊关系方程的极小解及方程的解集;完备Brouwer格上inf-α合成模糊关系方程的极大解及方程的解集;格上元素的分解与模糊关系方程的极小(大)解的关系;最后,介绍了MV-代数上的半线性空间及定义在其上的模糊关系方程.     

正则Fuzzy蕴涵代数的理想格

引入正则Fuzzy蕴涵代数的理想概念,并给出它的若干等价刻画; 获得了由非空子集生成的理想的表示定理; 证明了一个正则Fuzzy蕴涵代数上全体理想之集在集合包含序下构成一个分配连续格,从而构成一个Frame.     

准南柴窝堡凹陷层序地层格架及充填模式探讨

目的 确立准噶尔盆地南部柴窝堡凹陷二叠系一白垩系层序地层格架,探讨层序发育的控制因素,建立该地区不同时期原型盆地层序充填模式.方法 运用经典层序地层学及陆相层序地层学理论,综合利用研究区地质和地球物理资料进行研究.结果 在研究区划分出2个盆地充填层序,5个一级层序,8个二级层序以及19个三级层序,建立起早中二叠世陆内裂谷盆地、晚二叠世一三叠纪山前拗陷、侏罗纪一白垩纪类克拉通拗陷盆地3个原型盆地的层序充填模式.结论 构造活动及物源供给是控制柴窝堡凹陷层序发育的主要因素.其中物源距离及源区供给的沉积物类型是控制该区各个原型盆地发育时期层序内沉积物充填类型及空间堆积样式的决定因素.     

求解一类奇异摄动问题的两种移动网格算法的改进与比较

对于一类奇异摄动问题,构造了移动网格下的差分格式.通过改变移动网格的初始网格,并引入Richardson外推,对已有的两种算法进行了改进,通过数值实验进行了比较,并验证了算法改进后的优越性.     

大规模信任域联盟中基于本体构建动态的信任声明

在基于格理论所构建的跨大规模信任域认证联盟模型的基础上,针对模型中动态信任声明的进化性问题.根据本体的动态特性,提出了以本体描述并构建动态信任声明的思想.给出其算法策略,很好地体现了一个均衡的奖罚体制,也充分地考虑了历史、间接信任度,信任动态性,它与时间的滞后性,同样也受环境因子的影响.研究表明:算法具有较好的动态适应性、抗攻击性,公平性、计算收敛性和扩展性.     

混沌算法和子空间算法应用在微弱信号检测中的比较

常规的快速傅里叶变换(FFT)法在被检信号低于频谱仪底噪时检测效果较差,体现在要求输入信号的信噪比较高;因此需要检测能力更强的算法来识别出弱信号。混沌算法由于拥有对弱信号敏感而对噪声有较强免疫性的特点,使它在微弱信号检测中占有重要的地位。将源自阵列信号处理中的子空间算法应用到了微弱信号检测中,并与混沌算法进行比较,试图将新的算法应用到弱信号检测领域中来。介绍了杜芬混沌算法和子空间算法,并且通过实际信号对算法进行了仿真分析。两种算法都能在较低信噪比条件下检测到信号;但是从硬件资源占用的方面考虑还是混沌算法更好些。最后用verilog语言设计了杜芬(Duffing)混沌算法检测中核心的四阶龙格库塔(RK4)模块。     

塔中西部上奥陶统良里塔格组同生喀斯特储层成因分析

通过岩心观察、薄片鉴定、孔渗测定以及地球化学测试,分析了塔中西部上奥陶统良里塔格组灰岩储层的基本特征及成因.良里塔格组储层主要发育于碳酸盐岩台地边缘的滩相颗粒灰岩中,储集空间类型主要包括粒内溶孔、铸模孔、非组构选择性溶孔、溶洞以及构造缝,属于低孔低渗储层类型.根据铸体薄片、成岩组构特征以及微量元素和碳氧同位素的综合分析,认为这些次生溶蚀孔洞的形成主要与同生喀斯特作用的改造密切相关,台缘滩相颗粒灰岩中的大气水透镜体为储层发育的有利位置.     

一种基于概念格的复合分类器算法

目前概念格分类算法主要集中在利用其生成算法进行规则提取,而已有的基于树形结构的复合分类器因受到本地搜索原理的限制其分类精度很难再提高。本文突破了这两种限制,以概念格为分类模型提出了一种基于概念格的复合分类器算法。实验表明该算法极大地提高了．分类精度。