层次内P-关系与内P-聚类算法

利用P-集合的动态特征,提出层次内P-关系的概念,研究内P-集合之间的相似关系,给出其度量特征和基于相似关系的内P-聚类分析算法和应用,并检验了内P-聚类算法的正确性。     

内-外数据圆与动态数据-恢复

P-集合(packet sets)是由内P-集合XF-(internal packet setXF-)与外P-集合XF(outer packet setsXF)构成的集合对;P-集合具有动态特性。利用P-集合,给出内-数据圆,外-数据圆的概念,利用这些概念,给出动态数据恢复定理,动态数据恢复准则与数据恢复-辨识定理,给出应用。P-集合是动态数据分析-辨识研究的一个新工具。     

内P-集合与F-优化数据-筛选

应用内P-集合的内-动态特性及其结构,提出了F-优化数据概念,讨论F-优化数据的生成与筛选,获得F-优化数据-筛选定理及F-优化数据的生成-筛选算法,并给出F-优化数据-筛选的应用.研究结果为动态信息系统的数据优化提供了一种新方法.     

内P-集合的概率特征

利用P-集合的结构,给出元素迁移的概率特征:属性集α的内P-集合概率特征,利用这个结果,给出内P-集合的概率特征,提出内P-集合的随机结构与随机定理。普通集合的结构是内P-集合的随机结构的特例,内P-集合的随机结构是普通集合结构的一般形式。     

偏序内P-集合模型及其特征

利用层次内P-集合理论,研究层次内P-集合基于依赖关系偏序性质,研究层次内P-集合元素间的关系以及普通P-集合与层次P-集合的关系.层次P-集合是普通P-集合的扩展,提供了多角度、多层次分析和研究问题的方法.     

内P-显性信息的生成与特征

P-集合(packet set)是由内P-集合XF-(internal packet set XF-)与外P-集合XF(outer packet set XF)构成的集合对,或者称(XF-,XF)是P-集合.把生物学中的"隐性"、"显性"概念与内P-信息交叉、嫁接,提出了内P-显性、隐性信息的概念,给出内P-显性信息生成定理与推论,内P-显性信息的度量、数量、单依赖、内收敛特征定理与推论及内P-显性信息搜索算法,最后给出内P-显性信息在动态信息挖掘中的应用.     

内P-隐性信息与它的分离

P-集合(packet set)是由内P-集合X-F(internal packet set X-F)与外P-集合X F(outer packet set X F)构成的集合对,或者(X F,X F)是P-集合.P-集合具有显性、隐性特征,但显性、隐性概念具有相对性.把内P-信息显性、隐性概念拓展,对内P-隐性信息进一步研究:给出了内P-隐性、显性信息等概念,给出了内P-隐性信息的度量、特征、分离定理;最后给出内P-隐性信息在动态信息分离中的应用;隐性特征是P-集合的重要特征之一.     

内P-信息与它的反动态特性

P-集合(packet sets)是由内P-集合XF(internal packet set XF)与外P-集合XF(outer packet set XF)构成的元素集合对(XF,XF).P-集合具有动态特性,利用内P-集合XF的结构与动态特性,提出它的反动态特性,给出了基信息、内P-信息、珚F-删除信息、内P-反动态信息等概念;给出了内P-反动态信息的范围,内P-反动态信息判定,内P-反动态信息最大度量,内P-有效删除信息,内P-剩余信息定理及推论;最后给出应用实例.     

函数内逆P-集合在QSPR研究中的应用

将函数内逆P-集合理论引入QSPR研究中,利用函数内逆P-集合的动态特征筛选预测链烷烃标准生成焓的属性参数, 运用函数内逆P-集合的规律特征给出不同类型的预测链烷烃标准生成焓的规律函数。成功地预测了41种链烷烃的标准生成焓。结果表明,属性参数与链烷烃的标准生成焓高度相关,复相关系数达到或超过0.998。     

内P-信息显性-隐性分离与显性-隐性分离定理

把内P-集合X定义成内P-信息(x),利用内P-集合的特性,给出内P-信息显性分离、隐性分离概念和分离定理,最后,给出内P-信息显性-隐性分离生成的属性特征。     

时间序列模型选择的灰色关联法及其应用

为了解决传统的模型选择准则在实际应用中的不足,提出一种时序模型选择的灰色关联法,在传统的选择准则的信息量基础上再包括序列平均值、标准差、峰度、偏度等统计参数构建模型评价指标体系,运用灰色关联分析法对模拟序列进行选择。结果表明此法能对多种适用模型作进一步筛选,这对于经济时间序列建立模型来说,有一定的意义。应用实例证明该法可行性和有效性。     

异方差回归模型的拟合和变量选择

作者研究了异方差回归模型的估计与变量选择问题.在误差分布未知的情况下,作者分别给出了联系函数已知及未知时均值与方差的估计.另外,作者在给出估计的同时,分别选出了对均值与方差影响显著的变量.     

多媒体演示系统中数据模型的选择

首先探讨了多媒体系统中数据模型的问题，比较了目前国际流行的３种标准，在此基础上，研制了一个适合于不同应用场合的多媒体演示系统－ＭＭＤＳ，并详细介绍了该系统中数据模型的选择。     

基于角色—业绩矩阵的素质模型在跨职能团队成员选拔与配置中的应用

随着市场竞争环境的加剧 ,全球越来越多的企业都在借助跨职能团队这种灵活的组织形式来解决企业所面临的新问题。企业在实践中发现 ,有效地对团队成员进行选拔和配置是团队取得高绩效的关键 ,而应用素质模型进行团队成员的选拔与配置是一个有效的方法 ,同时也是一个新的研究领域。本文首先概述了国内外有关团队绩效与跨职能团队成员配置方面的研究 ,论证了素质模型的意义及其在团队成员选拔与配置中的重要性。并在实践的基础上 ,总结了运用基于角色—业绩矩阵的素质模型进行跨职能团队成员选拔与配置的技术与方法 ,以作为组合团队成员的参考模式     

基于GARCH模型的外汇投资组合应用

对于外汇市场主要7个货币对欧元/美元,英镑/美元,美元/瑞士法郎,美元/日元,澳元/美元,美元/加元,纽元/美元的汇率运用时间序列分析方法,分别运用GARCH模型对汇率进行建模预测,计算得到收益期望,以GARCH模型残差方差作为风险度量。对投资过程中有无杠杆,运用马可维茨的“均值-方差”模型进行投资决策,得到下一日的投资策略。     

城市物流中心单点选址模型优化及方案评选

为了解决城市物流中心单点选址问题,采用重心模型及经济分析法进行研究。构造初始重心模型,通过目标函数和资源点或需求的直线距离对模型优化;运用迭代法对优化模型求解,包括算法的自然语言描述和盒图表示的求解流程;运用费用现值法,构造现金流量图和评选模型,对求解得到的多个方案进行评选;针对实例对选址的全过程进行演练,得出最佳地址坐标和费用现值。结果表明:运用这种方法选址虽然准确性受到各种费用预测的影响,但仍比传统重心法具有明显的优越性。该成果对物流中心单点选址具有一定的参考价值,也可以推广到其他领域选址。     

一种新的支持向量回归机的模型选择方法

针对支持向量回归机的模型选择问题,将模型选择问题转化为一个非线性系统的状态估计问题,然后引入无迹卡尔曼滤波进行求解,提出一种新的基于无迹卡尔曼滤波的模型选择方法(UKF-SVR).对标准数据集和太阳黑子数平滑月均值进行仿真实验,结果表明,UKF-SVR与粒子群算法相比,该方法全局寻优能力更强,保证了支持向量回归机泛化能...     

属性内-融合与数据融合挖掘

属性融合是潜藏在 P-集合内的一个重要的应用特性,P-集合的动态特性来自 P-集合的属性融合。利用内 P-集合的结构与动态特性,给出属性内-融合概念、结构和定理,最后给出在属性内-融合条件下的数据融合挖掘和数据融合挖掘准则与数据融合挖掘-筛选的应用。     

基于IDEA模型的港口物流服务商优选方法

为科学地对港口物流服务商进行评估及选择,基于数据包络分析(DEA)模型,结合定性的不确定因素,提出非精确数据包络分析(IDEA)模型的港口物流服务商优选方法.该方法无需更多精确信息,并兼有一般DEA的特点,较好地解决了DEA无法处理定性因素的问题.算例分析结果表明了该方法的有效性和实用性.     

智能主体情绪行为选择模型

提出受到情绪因素影响的智能主体行为选择模型,使智能主体的行为选择过程同时受到认知状态和情绪状态的影响,从而产生更加类人的自主行为表现.建立一个交互式电子宠物狗系统.在用户与宠物狗的交互过程中,宠物狗表现出了比一般电子宠物狗相比更加生动的行为动画, 结果验证了所提出模型的合理性.