基于神经网络的模糊关系方程解法

借助于神经网络的学习功能，从一个简单的数学神经网络出发，设计出有限集上模糊关系方程解法，可以方便地求出这种方程的最大解和全部极小解。此外，该算法与目前的算法相比更易于编程。     

直觉模糊关系方程

介绍了直觉模糊集、直觉模糊关系及其合成;合理的建立直觉模糊关系方程,并对其解进行讨论研究.给出了直觉模糊关系方程相容的充要条件及求最大解的方法;进一步还讨论了在有限论域上基于拟极小解的直觉模糊关系方程的全体解集.     

矩阵方程X+A*X-pA=I(0＜p＜1)的最大解的条件数

摘要：讨论了非线性矩阵方程X+A*X-pA=I在0相似文献   

幂等矩阵的相似标准型与分解形式

利用线性变换的方法研究了幂等矩阵的相似标准型,并在此基础上推导出了幂等矩阵的秩恰好等于它的迹,证明了任意n阶矩阵都可以分解为一个可逆矩阵与一个幂等矩阵的乘积,任意一个幂等矩阵都可以分解为两个对称矩阵的乘积。     

Fuzzy矩阵方程X·A=X·B的求解

给出Fuzzy矩阵方程X·(aij)m×2=(c,c)1×2最大解的一种解法,利用这种解法很容易得到Fuzzy矩阵方程X·A=X·B满足特定条件时的最大解.讨论了Fuzzy矩阵方程X·A=X·B的极小解,并通过实例说明了求解过程.     

矩阵方程X+ATX-1A=I之最大解的性质及数值解法

首先证明了矩阵方程X+A^TX-1A=I的最大解是十分良态的,然后给出了2种求解最大解的迭代方法,并且讨论了这些方法的收敛性。这2种方法,一种是线性收敛的,其优点是迭代过程不需要求矩阵的逆;另一种是二次收敛的,数值试验的结果表明该方法在计算速度和精度方面都明显地优于现有的其他几种迭代方法。     

矩阵方程X+A*X-pA=I当p>0时的准最大解的条件数

讨论了非线性矩阵方程X+A*X-pA=I在p>0时的准最大解的条件数，并且推导出了此条件数的显式表达式。     

用五幂等矩阵刻画三幂等矩阵

首先总结用秩刻画三幂等矩阵的等价条件和关于矩阵秩等式的相关结论.在此基础上再探讨五幂等矩阵在什么条件下是三幂等矩阵,给出了七种刻画条件.     

矩阵方程X+A*X-pA=I当p＞O时的准最大解的条件数

讨论了非线性矩阵方程X+A*X-pA=I在p＞0时的准最大解的条件数,并且推导出了此条件数的显式表达式.     

(m,l)秩幂等矩阵和(m,l)幂等矩阵的特性研究

如果存在自然数m,l(m>l)使r(Am)=r(Al),称A为(m,l)秩幂等矩阵;当Am=Al时,称A为(m,l)幂等矩阵.依据矩阵的幂等性与秩幂等性不随数域的改变而改变这一基本事实,应用Jordan标准形的性质,得到了这两类既有区别又有密切联系的矩阵类的特性刻画.     

基于目标函数的矩阵分解非线性系统模糊建模

提出了基于新的目标函数的模糊聚类建模方法．改进的模糊聚类方法把模糊模型结构辨识和参数辨识融为一体．首先,通过新的目标函数的最小化确定模糊模型的输入空间,即确定模糊规则和规则数、参数．然后对经模糊聚类得到的模糊前件推理矩阵进行QR分解,通过分析秩亏损确定重要的聚类规则．为了证明这种建模方法的性能,对非线性系统进行了仿真建模研究,仿真结果证明所提出方法是一种有效的、精确的模糊建模方法.     

(u，v)幂等矩阵与本质(m，l)幂等矩阵

证明了(u,v)幂等矩阵与本质(m,l)幂等矩阵的互相确定关系,由此给出了求(u,v)幂等矩阵的Jordan标准形的方法,这种方法不依赖通常的求Jordan标准形的算法,只涉及到矩阵方幂的秩和u-v次单位根εi所确定的矩阵秩最后得到以矩阵秩为基本工具的,判定(u1,v1)幂等矩阵与(u2,v2)幂等矩阵相似的充分必要条件.     

完全分配格上矩阵的若干研究

在完全分配格上定义了格矩阵,以及对称矩阵、幂等矩阵、逆矩阵等,通过给出了格矩阵的若干运算性质,讨论了有关对称矩阵、幂等矩阵的一些性质和定理,并给出证明.     

基于神经网络的模糊关系方程极小解求解算法

利用神经网络求解有限论域上模糊关系方程的极小解,将未知的模糊关系作为神经网络的权重参数进行学习,并设计了相应的网络训练算法Ⅰ.证明了该训练算法将收敛到模糊关系方程的极小解,并通过2个数值实例来验证算法的有效性.     

行(列)对称矩阵的LDU分解与Cholesky分解

提出行(列)转置矩阵与行(列)对称矩阵的概念,研究它们的性质,获得一些新的结果.给出行(列)对称矩阵的LDU分解、Cholesky分解和三对角分解公式,可极大地减少行(列)对称矩阵的LDU分解、Cholesky分解和三对角分解的计算量与存储量,而且不会丧失数值精度.     

模糊关系分解定理及其相关性质

在实际问题中,模糊集合的分解定理,能把所研究的所有模糊对象分解成一系列相对应的经典问题,然后再进行数据分析与处理.上升到二元关系,对照模糊集合,则可以将相关性质和分解定理推广到模糊关系的分析上,提出了模糊关系的相关性质以及分解定理,应用到实际问题中可以将二元模糊关系分解成一系列相对应的普通二元关系.     

模糊积分方程的单调迭代方法

利用单调迭代方法研究了模糊积分方程在序区间中的最小与最大解存在性问题。     

结合改进非负矩阵分解的模糊网页文本分类算法

通过构建向量空间模型可以获得表征网页数据的词-文本权重矩阵,然而直接基于此高维矩阵进行分类学习效率较低,为此提出一种结合改进非负矩阵分解的模糊网页文本分类算法.首先,通过迭代的归一化压缩非负矩阵分解将高维的原数据映射到低维语义空间,以降低问题的复杂性.然后,将模糊逻辑引入分类模型,通过特征词与类别的模糊隶属度来生成文本的类别模糊集,以解决确定性矩阵难以判定语义模糊词所属类别的问题.实验结果表明,与其他方法相比,所提出的分类算法具有较高的分类准确度和较好的时间性能.     

模糊关系R的σ分解

在[0,1]格上论域为有限集时,讨论了模糊关系R的σ分解问题．首先,给出了模糊关系R可σ分解的充要条件,然后在R可σ分解时,给出了使R=AσB成立的A与B的解集．