连续参数集值下鞅的收敛定理

首先给出了连续参数集值下鞅的定义．继而证明了连续参数集值下鞅的三个等价定理：（ａ）Ｌ１ｗｋｃ（Ｘ）值下鞅等价于任给τ１＜τ２,τ１,τ２∈Ｔ,∫ΩＦτ１ｄＰ∫ΩＦτ２ｄＰ;（ｂ）Ｌ１ｆｃ（Ｘ）值下鞅等价于任给ｓ,ｔ∈Ｒ＋,ｓ＜ｔ,Ｓ１Ｆｓ（Ｆｓ）ｃｌ｛Ｅ（ｇ｜Ｆｓ）,ｇ∈Ｓ１Ｆｔ（Ｆｔ）｝;（ｃ）Ｘ可分时,闭凸集值下鞅等价于任给ｓ,ｔ∈Ｒ＋,ｓ＜ｔ,Ａ∈Ｆｓ,ｃｌ∫ＡＦｓｄＰｃｌ∫ＡＦｔｄＰ．最后给出了弱紧凸集值随机集族的弱收敛定理和Ｘ有ＲＮＰ,Ｘ可分时闭凸集值右连续下鞅的弱收敛定理．     

用基本集讨论k－连通图的Hamilton－连通性

设Ｇ是ｎ阶ｋ－连通图（ｋ≥３）．称Ｇ的独立集Ｓ为一个基本集，如果存在｛ｕ，ｖ｝Ｓ使得ｄｉｓｔ（ｕ，ｖ）＝２．本文证明了下述结论：如果对Ｇ的任－ｋ－基本集Ｓ，有ｍａｘ｛ｄ（ｕ）｜ｕＳ｝≥　则Ｇ或者是Ｈａｍｉｌｔｏｎ－连通的或者属于两类例外图之一。     

用基本集讨论k—连通图的Hamiltohn—连通性

设Ｇ是ｎ阶ｋ－连通图（Ｋ≥３），称Ｇ的独立集Ｓ为一个基本集，如果存在，得得ｄｉｓｔ（ｕ，ｖ）＝２，本文证明了下述结论：如果对Ｇ的任－ｋ－基本集Ｓ有ｍｕｘ，则Ｇ或者是Ｈａｍｉｌｔｏｎ－连通的或者属于两类例外图之一。     

区间值Fuzzy集的扩展原理

在［１］的基础上，给出了区间值Ｆｕｚｚｙ集（ＩＶＦＳ）的扩展原理的几种形式，并讨论了ｆ（Ａ）与ｆ（－１）（Ｂ）的截集的性质，最后给出了复合函数的扩展原理．     

集值映象的KyFan变分不等式解的存在定理

设Ｘ是局部凸Ｈａｕｓｏｄｒｆｆ拓扑线空间Ｅ的非空凸子集，Ｇ：Ｘ→２＾Ｅ是连续的非空紧凸值集值映象，设ｇ：Ｘ→Ｅ是连续映身，Ｓ包含于Ｘ是非空紧凸集，Ｋ包含Ｘ是紧集，Ｐ是Ｅ上一连续半范围，若下列条件满足：（ｉ）对每－ｙ∈Ｘ／Ｋ，存在ｘ∈Ｓ，使得Ｐ（ｘ－Ｇｙ）〈Ｐｇ（ｙ）－Ｇ（ｙ）（ｉｉ）存在ｙ∈Ｘ，使得对任意Ｘ∈Ｓ有Ｐ（ｇ（ｙｂ）－Ｇｙ０）≤Ｐ（ｘ－Ｇｙｂ）Ｐ（ｇ（ｘ）－Ｇｘ）≤Ｐ（ｘ－Ｇｘ）。则存在     

双循环，对集和树

令Ｇ＝（Ｖ，Ｅ）为一个图，它的节点数为ｎ，不仅是一个双循环也是一个上循环．记β（Ｇ）为Ｇ的双循环空间的维数．对于Ｇ的一个子图Ｈ，用φ（Ｇ，Ｈ）表示Ｇ的支撑森数目，使得它的每个树均恰含Ｈ的一条边．图Ｇ的Ｈ扩张Ｘ（Ｇ，Ｈ）在Ｇ上增添一个新节点ν，连ν与Ｈ的每一个奇次节点以一边所得到的图．本文证明，φ（Ｇ，Ｈ）是个偶数，要么Ｘ（Ｇ，Ｈ）不连通，要么Ｘ（Ｇ，Ｈ）有一个非零双循环．对于一个欧拉图Ｇ，令λ（Ｇ）为Ｇ中这样边的最小数目，使得在将它们从Ｇ中收缩掉而得到的图Ｇ中，所有那些落在奇数个完满对集上的边，形成一个非零双循环．同时还得到，在Ｇ的最大对集中边数为μ（Ｇ）的一个下界，即μ（Ｇ）≥（ｎ－｜β（Ｇ）－１｜）／２．对于非欧拉图Ｇ，令ψ（Ｇ）＝β（Ｘ（Ｇ，Ｇ）），和用γ（Ｇ）表示这样边的最小数目，使得在将它们从Ｇ中收缩掉而得到的图上，有边属于奇数个完满对集．我们证明，γ（Ｇ）＝ψ（Ｇ）以及μ（Ｇ）≥（ｎ－ψ（Ｇ））／２．     

四种截集与对应的四种晕集

讨论了模糊数学中四种截集与四种Ｌ晕集之间的关系，针对第三、四两种截集（Ａλ＾３，Ａλ＾４），重新给出了相应的两种晕集定义（ｆ３＇，ｆ４＇），进一步推广了晕集的概念，证明了有关情况的对应定理，完善并改进了原来的结论。     

网络信息过滤中的固定文章集表达方法

为解决在信息过滤（ｉｎｆｏｒｍ ａｔｉｏｎ ｆｉｌｔｅｒｉｎｇ）中表达用户的信息需求困难的问题，提出了一种新方法——固定文章集法（ｆｉｘｅｄ ｄｏｃｕｍ ｅｎｔｓｅｔ， Ｆ Ｄ Ｓ）。在这种方法中，用户可以通过评价一些专门选择的文章来表达自己的信息需求。这避免了用户选择关键词的困难，扩大了用户信息需求表达的空间，同时可以应用于处理多语种信息过滤和社会化过滤问题。选择固定文章集使用选择文章基因法（ｓｅｌｅｃｔｄｏｃｕｍ ｅｎｔ＇ｓｇｅｎｅ， Ｓ Ｄ Ｇ），实验证明， Ｓ Ｄ Ｇ 的性能较其它方法有明显优势     

GCD矩阵和LCM矩阵的性质

设Ｓ＝（ｘ１，ｘ２，．．．．Ｘｎ）是含几个不同正整数的集合，（Ｓ），（Ｓ）分别是定义在Ｓ上的ＧＣＤ矩阵和ＬＣＭ矩阵，给出了对偶因数封闭集的定义，讨论了对偶因数封闭集的最小公倍数封闭集上的矩阵（Ｓ）和（Ｓ）的性质。     

单调地次连续半紧1—集压缩映象的耦合不动点定理

在半序Ｂａｎａｃｈ空间获得了单调地次连续半紧１集压缩映象的耦合不动点定理．定理设（Ｘ，Ｐ）的半序区间［ｕ０，ｖ０］非空，Ａ：［ｕ０，ｖ０］×［ｕ０，ｖ０］→（Ｘ，Ｐ）是混合单调半紧１集压缩算子，且满足ｉ）Ａ［ｕ０，ｖ０］×［ｕ０，ｖ０］有界；ｉ）ｕ０≤Ａ（ｕ０，ｖ０），Ａ（ｖ０，ｕ０）≤ｖ０；ｉｉ）Ａ在ｘ和在ｙ单调地次连续．则Ａ有极大极小耦合不动点（ｘ，ｙ）∈［ｕ０，ｖ０］×［ｕ０，ｖ０］，且ｘ＝ｌｉｍｎ→∞ｌｉｍｍ→∞ｕ（ｍ）ｎｙ＝ｌｉｍｎ→∞ｌｉｍｍ→∞ｖ（ｍ）ｎ     

一种新的广义节点—割集分析法

通过引入广义节点的概念和运用KCL方程的推广,在割集方程的基础上形成了广义节点－割集方程,由此,提出了一种新的广主节点－割集分析法,该方法克服了割集分析法的不足之处,且拓宽了应用范围。     

L-模糊集的截集的公理化描述

在 F格 L中 ,利用极小集与极大集可以对 L -fuzzy集给出 16种截集的定义及相应的分解定理 ,本文用 3条公理对这 16种截集给出公理化描述 ,从而揭示了每种截集最本质的三条性质 .     

拟阵 中集的结构与关系

摘要 研究拟阵 中集的结构与关系。应用单扩张与模割的一一对应,讨论了 的各种情况;讨论了在单平行扩张下拟阵 模割 主模割 的等价关系;给出了拟阵主扩张 中基与极小圈的表示。     

不确定模糊集的基本定理

不确定模糊集是基于信息和知识的不确定性提出来的,在处理信息系统中知识的不完善、不确定问题时有其自身的优点.定义了不确定模糊集上的截集,讨论了其性质.并在此基础上证明了不确定模糊集的分解定理、表现定理和扩展定理等基本定理.     

寻找图的最小割集的神经网络方法

针对问题的特点,建立了Ｈｏｐｆｉｅｌｄ网络的能量函数,提出并构造了一种寻找任意图最小割集的神经网络算法－ＮＮＭＣ（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ Ｍｉｎｉｍａｌ Ｃｕｔ）算法。该算法充分利用了Ｈｏｐｆｉｅｌｄ网络快速收敛的特性,并具有跳出局部极小点的方法。     

基于小波聚类的数据集简化算法研究

大数据集没有非常有效的简化方法。提出一种基于小波聚类的数据预处理的算法DPWaveCluster,该算法包括量化特征空间、小波变换、聚类、形成查找表、映射数据点到聚类,以及按要求在聚类标识周围选取适当数据点形成简化数据集等操作步骤。利用小波变换的多分辨分析特性获得无监督聚类来帮助简化数据集。通过synthetic_dat和topo标准数据集的仿真实验表明,该算法实现简化大数据集高效而适用。     

基于粗糙集的增强学习型分类器

为了提高分类的精确度,提出一种基于粗糙集理论的增强学习型分类器。采用分割算法对训练数据集中连续的属性进行离散处理;利用粗糙集理论获取约简集,从中选择一个能提供最高分类精确度的约简。对于不同的测试数据,由于离散属性值的变化,相同的约简可能达不到最高的分类精确度。为克服此问题,改进了Q学习算法,使其全面系统地解决离散化和特征选择问题,因此不同的属性可以学习到最佳的分割值,使相应的约简产生最大分类精确度。实验结果表明．该分类器能达到98％的精确度．与其它分类器相比．表现出较好的性能。     

基于粗糙集和证据理论的决策规则提取

提出一种基于粗糙集和证据理论的两阶段决策规则提取算法, 该算法首先利用粗糙集中属性缩减的思想, 找出每条规则中的重要条件属性集合, 然后再基于证据理论中证据结合的思想进一步去掉重要条件属性集中的冗余条件属性, 从而得到最终的决策规则. 所给算法简化了属性集的约简, 对高维数据也是可行的. 实验结果表明, 利用该算法能够挖掘出高质量的决策规则.     

p-完美凸集和绝对p-完美凸集

给出p-完美凸集、绝对p-完美凸集的定义,讨论了Banach空间中p-凸集、p-完美凸集、绝对p-完美凸集三者之间的关系, 同时给出了p-完美凸集和绝对p-完美凸集的若干性质(0相似文献   

Modeling Multisource-heterogeneous Information Based on Random Set and Fuzzy Set Theory

This paper presents a new idea, named as modeling multisensor-heterogeneous information, to incorporate the fuzzy logic methodologies with mulitsensor-multitarget system under the framework of random set theory. Firstly, based on strong random set and weak random set, the unified form to describe both data （unambiguous information） and fuzzy evidence （uncertain information） is introduced. Secondly, according to signatures of fuzzy evidence, two Bayesian-markov nonlinear measurement models are proposed to fuse effectively data and fuzzy evidence. Thirdly, by use of ＂the models-based signature-matching scheme＂, the operation of the statistics of fuzzy evidence defined as random set can be translated into that of the membership functions of relative point state variables. These works are the basis to construct qualitative measurement models and to fuse data and fuzzy evidence.