交换环上的Galois扩张的G—同态

定义了交换环Ｒ的关于自同构群Ｇ的Ｇ－同态，给出有在Ｇ－自同态的一些基本性质，证明了Ｇａｌｏｉｓ扩张的 Ｇ－自同态像仍为Ｇａｌｏｉｓ扩张，并且还得到它的逆合题。     

有限连通赋值AR-箭图的Galois覆盖

证明了当Γ是有限连通的赋值ＡＲ－箭图时，存在Γ的有限Ｇａｌｏｉｓ覆盖Γ，使得Ｈ（Γ）１是整系数结合环，Ｈ（Γ）１ＺＱ是Ｌｉｅ子代数Ｌ（Γ）ＺＱ的泛包络代数且有Ｌｉｅ代数同构：Ｌ（Γ）／ＤＬ（Γ），这里，Ｈ（Γ）１是Γ的退化Ｒｉｎｇｅｌ－Ｈａｌ代数，Ｄ是相应的有限Ｇａｌｏｉｓ群．     

判断一类几何最值问题可解性的计算机算法

利用Ｇａｌｏｉｓ理论讨论了一类涉及不等式的几何问题,给出了判断这类问题能否用初等方法或尺规作图法求解的计算机算法,该算法依赖于整系数多项式在有理数域上的因子分解和不可约性的判定。     

粗糙集理论中新的知识发现方法

与现有的基于属性简约的知识发现方法不同。本文基于粗糙集合理论定义了两类新的知识发现，即１、２类知识发现（ＦＣＫＤ，ＳＣＫＤ），目的是在知识系统动态变化后，通过减小知识的粗糙度，发现规则中没有的，有决定性作用的新属性，在此意义下改变规则中属性结构，并发现新的规则，定义了两个用发现新属性的算子，给出了两个定理、一个推论及其证明，并通过实例对提出的方法作了说明。     

A_H#D~*上的生成子性质及投射性质

设Ｈ是域ｋ上的Ｈｏｐｆ代数,Ａ是右Ｈ余模代数,Ｄ是右Ｈ模余代数,本文讨论Ａ＃ＨＤＡ的生成子性质及投射性质,特别地,当Ｄ＝Ｈ且ｄｉｍＨ＜∞时,有Ａ＃ＨＡ是生成子ＡＡ＃Ｈ是生成子,若Ａ／ＡＣＯＨ是右ＨＧａｌｏｉｓ扩张且Ａ含中心迹为１的元素,则Ａ＃ＨＡ是投射模ＡＡ＃Ｈ是投射模．推广了Ｈ＝ｋＧ群代数的结果     

用于数据挖掘的粗集产生多重知识库的方法

提出了一种用于数据挖掘的粗集产生多重知识库的方法．该方法基于粗集理论的简化和决策矩阵．首先从知识表示系统中消除冗余属性,产生简化表,形成简化的知识表示系统,提高学习的有效性和精确性．然后从简化表中推导出决策矩阵,通过决策矩阵获取最小决策规则,计算包括所有必需属性的简化集合,给出计算最小决策规则和计算多重简化的算法．最后由相应的简化对最小决策规则进行分组形成多重知识库,给出产生多重知识库的算法．     

基于扩展粗糙集模型的近似概念格规则挖掘研究

粗糙集和概念格是两种不同的知识发现和数据挖掘有效工具,已被广泛应用于许多领域.在对粗糙集和概念格基本理论研究基础上,提出了利用扩展粗糙集模型对概念格近似使其得以改进,即在概念格中引入β-多数蕴涵关系实现概念格中结点近似合并以及近似概念格(ACL)的构建,由此提出概念格粗糙近似和规则挖掘算法(LCBA).最后通过UCI机器学习数据库相关测试表明该算法的可行性和有效性.     

一种决策形式背景中挖掘决策规则的新方法

针对大规模决策形式背景中决策规则的提取问题,提出了一种将频繁闭项集与决策形式背景相结合以提取无冗余决策规则的新算法.该算法结合了深度优先搜索的思想以及概念格中概念节点之间的父子关系,改进了概念格中频繁闭项集的挖掘算法,得到的频繁决策概念格实现了对一定规模的数据库的压缩,同时得到无冗余决策规则.算法分析表明,该算法复杂度较低,更适用于大规模数据集中挖掘无冗余决策规则.     

基于概念格的知识发现及其在高校就业数据分析中的应用

形式概念分析是数据分析与知识发现的有效工具,现已被广泛应用于各个研究领域。决策形式背景是形式概念分析中的重要关系数据库之一,其主要研究内容是基于规则提取的知识发现。本文借助于Wille概念格和面向对象概念格对决策形式背景的规则提取问题进行研究,给出了规则提取算法,并通过高校就业数据对算法进行了实证分析。     

基于量化相对约简格的分类规则发现

分类是数据挖掘中的一个重要问题．概念格通过概念的内涵和外延及泛化和例化之间的关系来表示知识,因而适用于从数据库中挖掘规则的问题描述．在量化的相对约简格基础上,提出一种新的分类规则发现算法,该算法的生成结果剔除了冗余的分类规则,算法在时间性能、空间性能等方面均有较大的提高．     

基于自适应CPN的规则自学习模糊控制器设计

基于扩展Ｋｏｈｏｎｅｎ的自组织映射和Ｇｒｏｓｓｂｅｒｇ的竞争算法,得到了一种高度自适应的双向对传网络（ＣＰＮ）,并给出了一类基于此类网络的模糊控制器．根据经验知识对网络离线学习,确定基本的控制规则,利用在线学习算法,实现了规则的自学习．在此算法中,控制器能够自动确定满足控制要求所需规则的个数,并且根据控制目标能够自动获取和校正控制规则．仿真结果展示了控制器应用具体对象的实时控制效果     

基于领域知识的冗余关联规则消除算法

关联规则挖掘算法用于从大型数据库中提取感兴趣的规则,然而,在领域知识中已经能清晰表示的知识并没有被充分考虑,关联规则挖掘算法提取的规则中包含了大量已知的关联性,从而产生了很多冗余规则.文章提出一种算法DKARM,同时考虑了数据本身以及相关的领域知识,以消除在领域知识中清晰表示的已知关联性.实验表明,该算法合理消除了冗余规则,有效降低了规则数目.     

基带DτAGC算法及其在DFE均衡器中的应用

根据恒幅－窄带原理ＤτＡＧＣ（Ｉ／Ｄ）抗干扰方法,导出一种用于处理离散基带信号的ＤτＡＧＣ递推算法,并将此算法用于数字信道的ＤＦＥ自适应均衡。计算机模拟实验表明,ＤτＡＧＣ算法能有效地抑制脉冲干扰、压缩动态范围,与固定时间常数ＡＧＣ算法相比,采用ＤτＡＧＣ算法的ＤＦＥ均衡器误码率明显降低。     

利用量化规则格分布获取关联规则

在形式概念分析中,规则挖掘是构造概念格的目的之一.分布式构格首先是构造部分格,然后合并部分格得到完整格从而加快构格的效率.提出了一种规则合并方法,先在部分格上得到部分规则,然后有部分规则直接合并得到最终规则.结果表明此算法在挖掘规则是快速有效的.     

粗糙集理论中新的知识发现方法

与现有的基于属性简约的知识发现方法不同 ,本文基于粗糙集合理论定义了 2类新的知识发现 ,即 1、2类知识发现 ( FCKD,SCKD) ,目的是在知识系统动态变化后 ,通过减小知识的粗糙度 ,发现原规则中没有的、有决定性作用的新属性。在此意义下改变规则中属性结构 ,并发现新的规则。定义了两个用于发现新属性的算子 ,并给出两个定理 ,一个推论及其证明 ,最后通过实例 ,对提出的方法作了说明。     

B 样条曲线升阶经典算法中的问题及其解决办法

升阶算法是Ｂ样条曲线和曲面设计的一个基本算法。它广泛应用于组合曲线、蒙皮或扫描曲面等设计中。文中指出了Ｐｒａｕｔｚｓｃｈ于１９８４年发表在《ＣｏｍｐｕｔｅｒＡｉｄｅｄＧｅｏ－ｍｅｔｒｉｃＤｅｓｉｇｎ》杂志上的论文“ＤｅｇｒｅｅｅｌｅｖａｔｉｏｎｏｆＢ－ｓｐｌｉｎｅｃｕｒｖｅｓ”中的问题，提出了解决问题的新方法。新的方法主要是对Ｐｒａｕｔｚｓｃｈ算法的改进，使之不仅能够用于端点插值Ｂ样条曲线的升阶问题，而且能够解决其它非均匀Ｂ样条曲线以及均匀Ｂ样条曲线的升阶问题。     

GCD闭集上的LCM矩阵

１９９２年Ｂｅｓｌｉｎ和Ｌｉｇｈ讨论了ＧＣＤ矩阵在ＧＣＤ闭集上的种种结果，并引入了所谓Ｋ－集的概念。本文中，作者们将讨论一类所谓ＬＣＭ矩阵在ＧＣＤ闭集上的各种结果。我们给出了结构定理、行列式的计算公式，最后，当集合Ｓ为Ｋ－集时，我们得出了行列式计算的封闭型表达式，从而全面推广了它们的结果。     

关联规则的递增修正

关联规则是数据挖掘的重要研究内容．由于数据库中频繁追加新数据,使得已挖掘的关联规则发生变化,递增修正技术用于维护与修正关联规则．讨论了关联规则的递增修正问题,提出了递增修正算法（ＦＩＵ）．ＦＩＵ算法通过减小支持率,将频繁模式集合扩大,访问新追加的数据,对关联规则进行修正．ＦＩＵ算法减少了数据的访问,提高了递增修正的速度．分析了支持率和频繁模式集合大小的关系,并对算法ＦＩＵ和算法ＦＵＰ进行了比较．     

机器人装配专家系统的设计和实现

在分析和研究机器人装配和知识库的基础上，本文建立了一个机器人装配知识库系统ＡＫＢＳ（ＡｓｓｅｍｂｌｙＫｎｏｗｌｅｄｇｅＢａｓｅＳｙｓｔｅｍ），它主要包括零件库、关系模型库、规则库及推理机。在建立零件库的过程中作者提出了一种基于ＣＳＧｒｅｐ的零件表示方法ＰＲ－ＣＳＧ，能够较全面地反映出在装配领域所需要的零件几何特征和物理特性，具有较强的表达能力；同时也容易实现与现有成熟的ＣＡＤ系统接口。在此基础上采用了统一的形式实现了对装配体中零件间的各种关系的描述，建立了具有层次结构的关系模型库。从书本和专家经验中抽取的知识存放在规则库中。     

一个基于动态模型的计划决策支持系统

将ＤＳＳ的理论和方法应用到铁路编组站调车作业系统中，构造一个用于决策的动态仿真模型，并根据调车作业中调车规则加以总结整理，抽取可用于作业计划制定和执行过程的决策规则，建立起具有数据库、规则库、模型库的作业计划决策支持系统（ＰｌａｎＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍｓ，简称ＰＤＳＳ），为解决铁路运输生产中的决策问题，提供有效的帮助。