整数规划的交集及交集余集解法

整数规划问题为多维时，理论上可以用分枝定界方法与割平面方法求解。但是这两种方法难以理解，而且求解过程繁琐。为此提出了交集、交集余集枚举法，阐述了这种方法的原理，并给出计算范例。     

基于关联规则的交集型歧义消解算法

以交集型歧义字段为研究对象,考察包含交集型歧义字段的句子及其所在的文档,挖掘歧义字段从前切分或从后切分所得结果在文档中的支持度.根据支持度构造切分方式的判别因子,获取交集型歧义字段的切分方式.实验证实该方法可行,并在歧义消解上具有一定的发展潜力.     

基于统计规则的交集型歧义处理方法

中文分词是中文信息处理的基础, 歧义问题是中文分词的一个难点, 而交集型歧义问题占歧义问题的90%以上, 因此对交集型歧义问题的研究是中文分词研究的一个重点. 通过反复的实验和对实验结果的分析, 提出了5条规则, 并根据这5条规则给出了一种针对交集型歧义字段切分的算法, 实验结果表明, 基于该算法实现的分词系统DSfenci, 对于交集型歧义消解的准确率高于95.22%.     

确定有限多个曲面实交集的拓扑

提出一个关于计算曲面实交集拓扑的有效算法,其中曲面由有限多个实系数三元多项式所定义.这个算法使用了实交集至多两个投影的拓扑信息.在此过程中,必须使得有限多个曲面满足一定的条件,这些条件通过线性坐标变换可以得到,并且应用一些方法来检测这些条件是否满足.     

以节点操作确定两任意实心多边形交集的方法

两多边形求交问题在计算几何学、计算机图形学、地理信息系统、地质灾害预测评估及土木工程领域都有涉及.根据多边形节点所处的几何位置为其设置节点状态,基于多边形节点状态提出了以节点操作为核心的求解两多边形交集的方法和算法.该方法概念简单,易于计算机程序实现,避开了多边形求交运算中较难处理的布尔运算的奇异问题,能很好的解决重叠边、边与边相交于多边形顶点等多边形求交的难点问题.对于实心任意多边形的任意相交方式,该方法是准确和通用的.     

整数线性规划的交集解法

给出ILP问题的交集解法,它是在单纯形法基础上引进一些新概念而形成的,实际上它是单纯形理论的发展。     

Web挖掘中基于交集算法发现用户频繁访问模式

文章提出了一种基于交集关系原理的算法叫做交集算法,它与类Apriori算法本质上互补。这种算法的最大优势是不需要产生大量的候选频繁访问模式,就可以直接生成最大频繁访问模式,因此在挖掘过程中也就不需要反复扫描原始数据库来计算各个候选频繁访问模式的支持度计数;经理论分析和试验证明,交集算法具有一定的理论意义和应用价值。     

交集运算在读图中的应用研究

在解决三维建模的问题时,对于一类特殊的组合体,利用其二维工程图中的两个视图,通过布尔"交集"运算,可以实现其三维模型的快速重建。这种方法并不要求我们从三维的角度去思考,而是从二维的角度去判断与编辑,然后实施三维建模。为三维建模提供了一种新的方法,也为实现此类组合体的三维模型自动重建提供了一种新思路。     

基于最大熵模型的交集型切分歧义消解

利用最大熵模型研究中文自动分词中交集型切分歧义的消解.模型输出的类别为两种:前两个字结合成词和后两个字结合成词.模型采用的特征为:待切分歧义字段的上下文各一个词、待切分歧义字段和歧义字段两种切分可能的词概率大小关系.通过正向最大匹配(FMM)和逆向最大匹配(BMM)相结合的分词方法,发现训练文本中的交集型歧义字段并进行标注,用于最大熵模型的训练.实验用1998年1月<人民日报>中出现的交集型歧义字段进行训练和测试,封闭测试正确率98.64%,开放测试正确率95.01%,后者比常用的词概率法提高了3.76%.     

一种基于无监督学习的交集型歧义处理改进方法

歧义处理是中文分词的难点之一,其中交集型歧义占该类问题的主要部分,而无监督学习可以利用互联网上的无标注语料库来处理该问题.文章将比较卡方统计量、t-测试差在歧义处理中的效果,通过对其研究提出一种改善歧义处理性能的方法.实验结果表明,所提出的方法能有效进行分词,并提高了交集型歧义消解的性能.     

线性互补问题的数值分析

综述了线性互补问题理论的最新发展和已有成果,包括线性互补问题的数值解法,特别是模基矩阵分析算法、误差分析以及扰动分析.给出了线性互补问题的数学问题形式、数学模型以及相关概念;介绍了求解线性互补问题的各种数值解法,其中重点关注迭代法特别是近年来比较热门的模基矩阵分裂迭代法,基于模方程通过运用非光滑Newton法的思想,给出了模基非光滑Newton法,新算法比已有的模基矩阵分裂迭代法收敛更快;给出了线性互补问题解的误差分析,介绍了已有的几个误差界结果,包括运用预处理技术得到的更好的新误差界.同时介绍了线性互补问题解扰动分析的结果及目前最新的扰动界.     

带有非线性隶属函数的FLP问题的求解

带有非线性隶属函数(NLMF)的模糊线性规划(FLP)问题。通常是一个非线性规划(NLP)问题。本文利用“较大”、“较小”型隶属函数的特点,把求解原FLP问题最优解的过程化为求解一个参数线性规划(LP)问题及修正参数的交替迭代过程。通过构造不同的参数LP问题及修正参数的方法,得到了求解原问题的“试点法”和“收缩法”,在此基础上,综合得出兼有两法优点的“加速算法”,理论分析及实例都证明这些算法尤其是加速算法在求解带有非线性隶属函数的FLP问题时是有效的.     

严格正则系统同时镇定问题的一个数值解法

本文先运用多项式稳定性的一个充分判据，将严格正则线性系统的同时镇定问题化成一组非线性不等式的求解，然后提出了一种求解非线性不等式组的拟牛顿下山数值算法，并应用该方法求解该组非线性不等式。算例表明本文方法的有效性     

一个求解非线性最小二乘问题的新方法

在Gauss-Newton(G-N)方法和Levenbery-Marquardt(L-M)方法(阻尼最小二乘法)的基础上给出了一种新的求解非线性最小二乘问题的方法，它是通过寻求新的非线性方程组的数值方法来实现的，首先给出了不用计算导数的求解非线性方程组的收敛迭代方法，该方法是建立在求解动力系统的稳定点的基础上，采用了较稳定的常微分方程初值问题的数值方法进行迭代求解，并采用Steffensen加速技术以提高收敛速度，最后，给出了用Matlab试算的数值例子、试验结果表明了该方法的有效性。     

求解桁架临界载荷的新方法

以往求桁架结构临界载荷归结为求桁架总刚度阵的特征值，而总刚度阵中的与轴力有关的几何刚度阵，则是从各杆件始终处于直线状态，并在轴向变形中考虑横向变位影响而导出的；这样就必然导致当整体失稳时各杆件都不会发生欧拉屈曲的结果，这是不合理的．作者认为桁架失稳有可能是由杆件的局部欧拉屈曲导致成机构所造成的．由此提出一种计算桁架临界载荷的新方法，算了若干例题，并和过去的一般方法作了比较．有的两者计算结果之差竟达１８．５４倍，这就说明本方法具有理论和实际意义．     

复合粒计算模型研究进展

粒计算（granular computing,GrC）是人工智能领域中的一种模拟人类思考和解决复杂问题的新理念和新方法,粗糙集理论、商空间理论和模糊集理论是3种主要的粒计算模型。首先回顾几种基本的粒计算模型,介绍了几个复合粒计算模型,最后探讨了粒计算模型的进一步发展方向。     

基于割平面的随机规划分解方法

以两阶段随机规划为例,给出了基于割平面的三种分解方法：L型方法、多切割方法和自适应多切割聚合算法。三种方法都是以割平面为基础,将大规模问题分解为一系列小规模问题进行求解,从而降低了求解的规模。通过分析三种方法的优缺点,得到用自适应多切割聚合算法求解大规模问题时在计算时间方面的优越性,并给出了今后研究的方向。     

考虑橫向剪切变形影响非均匀变截面梁的弯曲问题

本文采用提出的阶梯折算法,求出了非均匀截面梁考虑横向剪切变形影响的弯曲问题,求得在任意荷载、一般边界条件下的通解.无论阶梯的个数为多少,问题最后归结为解一个二元的代数线性方程组.本文最后通过实例说明了对于非均匀变截面梁的弯曲问趣在剪力静定的情况下,分解刚度法是一种精确解法.     

基于Gear算法的一个符号化仿真系统设计原理

控制系统仿真是研究控制系统不可缺少的技术手段，其核心问题是求微分方程组与代数方程组的联立数值解，即求数值积分。微分方程组的数值解法很多，其中Gear算法最适合控制系统仿真，它稳定性好，是一种变阶变步长的预报校正型的多步方法。基于Gear算法设计了面向框图、微分方程、状态方程对象的仿真程序，其输入设计为符号化的参数输入方式，并给出了应用实例。     

An improved method to get fuzzy threshold

It is offered a new method to get Fuzzy threshold in this article. First, the fundamental principals of Image Segmentation is showed, as well as some characteristics of threshold. And then, the custom Fuzzy Binary method are stated. In order to solve the problem that the parameters of custom Fuzzy threshold are difficult to set, combined with other custom and easy-to-accomplish binary methods, bypassing the problem smartly, we can get the both merits of these two. What's more, the method is very easy and clear. It is proved effective by practice, and can get good performance in similar situations.