一种基于分明矩阵的启发式知识约简方法

提出了基于分明矩阵的启发式知识约简方法。在决策表的相对约简过程中采用分明矩阵来表达知识,并利用分明矩阵中项的长度和每个属性的频率作为启发信息进行属性的选择。现已证明,寻找决策表中最小相对约简问题是典型的NP hard问题。所提供的算法在大多数情况下能够找到最小约简,即使在没找到最小约简的情况下,也能找到次优解。通过实例分析,证明该算法是求解属性相对约简的快速有效的方法     

采用样条曲面非轴对称端壁成型的高压涡轮动叶气动优化

为了提升高负荷涡轮级的气动效率,发展了基于样条曲面的非轴对称端壁造型方法。以该参数化造型方法为基础,结合高效智能优化算法和经过校核的数值仿真方法,建立了涡轮非轴对称端壁设计优化平台,并以某小展弦比高压涡轮级为研究对象,以效率为优化目标,以流量为约束条件,在级环境和发动机工况下开展了非轴对称端壁优化设计。结果表明：优化设计后的涡轮动叶相对于参考设计,涡轮级的总总效率提升0.26%;非轴对称端壁造型改变了动叶下端壁附近的压力分布,动叶吸力面侧压力系数相对于参考设计显著提升,这降低了动叶叶片通道内的横向压力梯度,抑制了通道中的二次流动;非轴对称端壁造型改变了叶片通道中的涡系结构,相对于参考设计,非轴对称端壁造型使得马蹄涡压力面分支在叶片通道内部沿着叶片压力面迁移,在靠近通道出口的位置才汇入通道涡,这削弱了通道涡的强度,进而降低了气动损失,提高了涡轮级效率。     

lnm^p（1〈p〈∞）空间和lnm^△^p（1〈p〈∞）空间及其共轭空间

利用复数项级数的snm～rnm p审敛原理,得到了lnmp(1相似文献   

基于遗传算法的粗糙集知识约简方法

提出一种基于遗传算法的知识相对约简算法。通过在知识表达系统中引入决策属性支持度的概念，来描述由条件属性所提供的知识对整体决策的支持程度，并通过决策属性支持度定义条件属性对决策属性的相对重要性，以此作为启发式信息求出相对核，并将相对核加入遗传算法的初始种群中以加快算法的收敛。同时。在适应值函数中引入惩罚函数，可以保证所求约简既舍较少的属性又有较强的支持度，能够获得最佳的搜索效果。该算法通过实例分析，证明是求解知识约简问题的快速有效方法。     

间隙射流对端壁气膜冷却性能影响的实验研究

为了研究叶栅上游间隙射流对扇形叶栅端壁气膜冷却性能的影响,自主设计并搭建了考虑环形叶栅效应的扇形叶栅试验系统,利用红外测温技术,实验研究了上游间隙射流对扇形叶栅端壁气膜冷却性能的影响,测量了不同间隙射流质量流量比和不同间隙射流角度条件下扇形叶栅端壁气膜有效度。实验结果表明:间隙射流能够对端壁前部区域形成一定的冷却保护,端壁二次流结构对于冷却气膜具有较大的影响,使得冷却气膜主要集中在叶栅通道前部端壁区域且靠近叶片吸力面的区域,而对于叶栅通道靠近叶片压力面侧几乎没有保护作用;随着间隙射流质量流量比的增加,端壁气膜有效度提高,气膜分布范围增大,减小间隙射流角度可有效提高冷却射流对端壁的气膜冷却作用;射流质量流量比为1.0%、1.5%、2.0%时,间隙射流角度由45°增加至90°使端壁气膜有效度最大降低了17%、15%和13%。     

层次分析法中判断矩阵的群组综合构造方法

在AHP模型中，请一组专家对某一属性进行评价，根据专家的判断能力，给出判断力权值，再通过适当的数学处理方法，可得最优判断矩阵，并根据残差来确定所求判断矩阵是否达到精度要求，若不符合精度要求，则需返还给专家进行重新评估。这是AHP中构造判断矩阵的一种新方法。     

基于决策属性支持度的知识约简方法

提出了一种基于决策属性支持度的属性相对约简算法·该算法利用粗糙集理论分析的方法,通过在知识表达系统中引入决策属性支持度的概念,来描述由条件属性所提供的知识对整体决策的支持程度,并通过决策属性支持度定义了条件属性对决策属性的相对重要性,以此作为启发式信息,可以方便地求出相对核·再以相对核作为求解最小相对约简的起点,按重要性的不同逐次选择重要属性添加到相对核中,直至其支持度达到整体条件属性支持度时为止,此时即得到知识库的最小约简·通过实例分析证明,该方法是有效的·     

一种基于粗糙集理论的连续属性离散化方法

基于粗糙集的有关理论,提出了一种新的连续属性离散化方法·首先说明决策属性支持度的概念,再利用决策属性支持度作为反馈信息,提出一种领域独立的基于决策属性支持度的连续属性离散化算法·该算法能在保证决策表原始分类能力不变的前提下,提高约简效率·同时,各个属性拥有较少的分割区间,会使规则集合更加简洁·通过实例分析比较,说明该算法是非常有效的·     

基于决策支持度的不完备信息系统约简算法

提出了一种基于决策属性支持度的属性相对约简算法。通过引入决策属性支持度对不完备决策表中属性的重要性进行了定义,并以此作为启发信息进行属性的选择,该算法的时间复杂度是多项式的。寻找决策表中最小相对约简问题是典型的NP-hard问题,采用该算法可降低问题复杂度。通过实例说明,该算法能得到不完备决策表的最小相对约简。     

基于区分函数与强等价集理论的属性约简算法

提出了基于区分函数与强等价集理论的属性相对约简算法.在决策表的相对约简过程中采用区分矩阵来表达知识,并在区分函数的化简过程中引进强等价集的概念,通过去除强等价集的方法,使约简效率提高.现在已经证明,寻找决策表最小相对约简是典型的NP-hard问题,采用本文所提供的算法可降低问题复杂度,同时又可节省大量的计算存储空间.通过实例分析,证明该算法是求解全部属性相对约简的快速有效的方法.