模糊矩阵的特征向量

设 A为 n阶模糊方阵 ,X为 n维模糊向量 .若模糊矩阵方程 AX =X成立 ,则称 X为模糊矩阵 A的一个特征向量 .本文给出了模糊向量 X为模糊矩阵 A的特征向量的充分必要条件 ,最大特征向量的求法 ,并建立了布尔方阵特征向量个数的计算公式 .     

《关于极限定理(Ⅰ)》一文的一点注记

《关于极限定理(Ⅰ)》(吉林大学自然科学学报,1963年第2期)一文中,在証明引理3时写到: “我們有(1)即(2) 这个論断是不对的,从(1)不一定能推出(2).事实上,如果两个随机变量ξ和η有M(e~(itξ)-e~(itη))=0,則有可能P({ξ≠η})>0.     

模糊聚类方法中的最佳聚类数的搜索范围

研究了聚类方法中的最佳聚类数可能存在的范围，提出了一种新的解决方法,据此指出现今文献中普遍使用的规则c_max≤√n 在一定意义上是合理的.并就文献中的几个典型例子对上述结论进行了验证与分析. 其结果说明了新方法的有效性.     

褶积型矩阵和H~2函数在单位圆内零点的个数

本文给出H~2函数在单位圆内零点个数与褶积型矩阵模的关系.本文的符号见文献[1].是H~2函数.由文献[2]知X(z)可分解为X(z)=G(z)H(z),(2)其中G(z)为X(z)的内函数,H(z)为X(z)的外函数.G(z)的系数g=(g(0),g(1),…,g(t),…)称为纯相位序列.定理1 设g为纯相位序列.则为了使G(z)为     

模糊划分的一个新定义及其应用

提出了模糊划分的一个新定义。可以证明它蕴含了Ruspini的定义,并且具有与直观及其实际应用相符的性质。而且根据此定义,可以定义模糊集合的相对清晰度及模糊划分的平均清晰度。实验证明,模糊划分的平均清晰度可以衡量FCM算法的聚类效果。     

中国股票市场风险值的非参数估计

用改进后的连续时间金融模型给出金融资产收益率的价格密度函数的非参数估计,计算了上证A股指数的VaR,与Black-Scholes密度函数下的VaR相比,得到较好的结果.     

一种基于最小张树的属性聚类算法

结合图论中的最小张树方法 ,提出了相似度以及接触度两个概念 ,并以此为基础建立了一种属性聚类算法 .文中就几个具体问题 ,将其与 FCM及 AKM等方法进行比较 ,以便分析其聚类效果 .很明显 ,我们所介绍的方法弥补了其它方法的一些不足 ,并能在一定程度上解决实际问题.     

在谱估计中一类相关矩阵的秩

设x_t是一实平稳随机信号,具有零均值和自相关函数■其中F(ω)为x_t的谱函数。 考虑一类相关矩阵     

多维函数在多重圆内的一个性质

在应用中,多维函数在多重圆内没有零点的问题是一个重要的问题。为叙述简便,我们仅讨论二维问题。 设     

预测混合中心平滑法去噪

在信号去噪声中,要同时去除脉冲噪声和白噪声,有一定的困难本文研究了左预测和右预测,及中心平滑法,并证明了中心平滑法中的两个限制条件提出了预测混合中心平滑法去噪分析了该方法的根信号特征及统计特性并通过摸拟试验检验了该方法,试验结果说明了该方法是切实可行的.