数据的动态挖掘与P-增广矩阵关系

P-增广矩阵是通过利用P-集合的结构与动态特征,改进普通增广矩阵A^*提出的。P-增广矩阵是由内P-增广矩阵A^(-overF)与外P-增广矩阵A^F构成的矩阵对,或者(A^(-overF),A^F)是P-增广矩阵。在一定条件下,P-增广矩阵(A^(-overF),A^F)被还原成普通增广矩阵A^*。利用P-增广矩阵的结构与动态特征,给出数据的动态挖掘研究及其与P-增广矩阵的关系。提出数据的动态挖掘的内P-增广矩阵判定定理,外P-增广矩阵判定定理与P-增广矩阵判定定理,给出数据的动态挖掘的P-增广矩阵准则,利用这些理论结果,给出一个简单应用。     

元素迁移的信度特征与F-随机结构

在S-粗集的基础上,给出元素迁移的信度特征及元素迁移的依概率实现,讨论了依概率的元素迁移对粗集结构的影响,并给出了相关定理;用元素迁移解释S-粗集的动态过程,给出了F-随机结构.     

逆P-集合与信息智能融合挖掘-发现

逆P-集合是一个新的动态数学模型, 它是把动态特性引入到有限普通集合X内, 改进有限普通集合X被提出的。逆P-集合是由内逆P-集合F与外逆P-集合构成的元素集合对。或者, (F,)是逆P-集合, 逆P-集合具有动态特性。在一定的条件下, 逆P-集合被还原成有限普通集合。逆P-集合具有P-集合相反的动态特性。逆P-推理是逆P-集合生成的一个动态推理。利用逆P-集合, 逆P-推理, 本文给出信息智能融合生成, 信息智能融合度概念, 给出信息智能融合挖掘-发现与信息智能融合挖掘-发现定理, 给出挖掘-发现准则。最后,利用这些结果给出信息智能融合挖掘-发现的应用。     

P-集合的记忆特征研究

P-集合(packet sets)是一个集合对,它由内P-集合(internal packet sets)与外P-集合(outer packet sets)共同构成;利用P-集合的概念与结构,给出内P-集合的f-记忆集合概念,内P-集合的f-记忆度量方法;f-变异度量方法;提出内P-集合的f-记忆f-变异关系定理;外P-集合的軃f-记忆集合概念,外P-集合的軃f-记忆度量方法;軃f-变异度量方法;提出并证明了外P-集合的軃f-记忆軃f-变异关系定理。     

基于JDBC构造中间件的工作方式与实现

就高校教务管理系统中异构数据源之间的传输问题,提出了基于JDBC构造中间件的工作方式及其实现方法.结合高校教务管理系统的实际业务情况构造中间件,引入数据库连接池技术,很好地解决了该系统在大量数据同时访问时出现工作效率低的问题,提高了整个系统的数据访问效率,具有高独立性、移植性与复用性.     

P-集合与信息融合应用分析

P-集合是一个新的动态数学模型.P-推理是P-集合生成的一种动态推理.利用P-集合结构,提出信息融合和融合度的概念,并指出信息融合存在的直接意义.利用P-推理,定义P-信息融合,给出P-信息融合存在的充要条件和发现准则.并基于外P-信息融合理论,应用分析于煤层的分类与发现.     

数据分离与属性状态特征

给出数据分离与它的属性状态特征生成的基本理论。利用逆P-集合的结构与动态特征,给出数据外分离,数据内分离与数据外-内分离概念,给出数据分离特征,给出数据分离生成的属性状态特征。给出数据补充定理,数据删除定理与数据补充-删除定理。给出数据外分离的属性基数定理,数据内分离的属性基数定理与数据外-内分离的属性基数定理。论文给出的理论结果是数据分离生成的特征。     

zigbee嵌入式物联网网关的设计

设计并实现了一个基于ARM的zigbee嵌入式物联网网关,实现zigbee节点主动上报的自有协议格式数据与modbus tcp协议的转换。给出了该网关的设计方案和编程思路。该网关具有较好的通用性。     

P-集合与信息真度及应用

在P-集合的基础上,给出特征数据、((F),F)-特征数据集合的概念,提出特征数据迭代发现和消除定理、信息真度定理、信息真度距离定理和数据前后域恢复定理,给出数据的信息真度辨识准则,最后给出这些概念与定理在信息安全中的应用方法.