分块矩阵的广义逆

讨论了范畴论中态射的一些性质,并利用这些性质给出了分块矩阵（Ａ１,Ａ２）的满秩分解式和（Ａ１,Ａ２）的广义逆的表达式。     

F-代数张量积的定义

本文利用具有某种性质的交换图(以下简称万有性)定义域F 上有限结合代数的张量积.然后证明:任意两个F-代数的张量积存在且唯一,并说明交换图定义的张量积与代数的内(或外)张量积同构.最后,还用范畴论的观点给出张量积的另一种定义.     

增量聚类算法综述

给出了增量聚类的概念,分析了增量聚类方法可以用于解决数据的变化和大量存储空间的需求问题。增量聚类算法选择恰当时,可以保证数据在变化时有效地提高聚类的精度和效率。从传统聚类、生物智能聚类和数据流聚类三个角度研究了增量聚类问题,分析了增量聚类问题的研究进展,包括发展的过程及特点,阐述了研究增量聚类问题的关键技术,最后给出了未来的发展趋势。     

行列式的计算技巧

行列式是从解线性方程组诞生出来的,然而它的应用早己超出代数的范围,成为解析几何、数学分析、微分方程、概率统计等许多数学分支的基本工具。因此,对行列式的学习应予重视。但初学时有两个困难,一是定义,一是计算,下面仅就这两个方面,谈一些看法。     

基于改进BP神经网络理论的算法研究

研究了改进标准BP神经网络的方法,特别是研究加快标准BP神经网络收敛速度的方法。针对标准BP神经网络的收敛速度慢,分别采用3种方法修改网络的学习速率,然后建立了相应的改进BP网络模型,并把模型应用到实际生活中。和标准BP网络相比,提出的3种改进模犁都具有收敛速度快、精度高的优点。     

烧结过程异常状况诊断专家系统SPADES(Ⅱ) --关键技术

知识库构造和推理机设计是实现专家系统的关键技术.烧结过程异常诊断的知识具有模糊性、不确定性与因果性强,定性知识与定量知识并存的特点.采用模糊逻辑表达烧结过程信息的模糊特性,研究了表达烧结过程异常诊断知识的综合型知识表达方式.知识库的组织包括数据库、事实库、模型库和规则库.规则库中的规则根据用途不同分组存放,同组规则按优先级别排序,这样的知识组织方式为实现高效快速推理奠定了基础;SPADES系统的知识库具有管理与维护功能,知识学习采用专家指导学习方式;烧结过程异常诊断专家系统的推理机采用多级目标推理的混合推理机总体目标推理采用过程化推理,按异常类型判断、异常原因分析、操作决策顺序进行;烧结过程异常状况的诊断采用模糊诊断确定假定异常集合,再通过反向推理验证假定异常集合中的元素,确定出现的异常类型;异常原因分析和操作决策采用正向推理.对于本系统中模糊规则的模糊性传递问题,采用基于确定因子法的不精确推理策略,以及基于模糊规则的模糊匹配方法.SPADES系统在生产现场的应用结果证明了本系统知识表达方式和推理机可以实现模糊知识的表达和高效推理.     

烧结过程异常状况诊断专家系统SPADES(Ⅰ)--系统总体规划

烧结过程异常状况的发生是影响烧结过程稳定运行的主要因素之一.为了准确诊断烧结过程的异常状况并及时消除异常,将数学模型、模糊技术和专家系统相结合,建立了烧结过程异常状况诊断专家系统,并应用于烧结生产过程的实时在线诊断;分析了烧结过程异常状况诊断的本质;通过知识获取,建立了烧结过程中出现的17种典型异常状况的表征现象集合,研究了烧结过程异常类型的模糊诊断模型;提出了将烧结异常诊断分为异常类型判断、异常原因分析和消除异常操作决策的总体方案;采用简化的黑板系统组织总体结构,用VC++语言开发了Windows平台的应用软件.在大型烧结机烧结过程的实际异常诊断上的应用结果表明,该系统具有很好的实时性和实用性,诊断和操作决策的准确率在85%以上.     

基于同贝同步装卸的岸桥与集卡联合调度优化模型

为解决岸桥同贝同步装卸时多环节作业协调问题,加速集装箱在码头内部的周转,研究基于岸桥同贝同步装卸作业的岸桥与集卡联合调度问题.以船舶装卸完工时间最短为目标,建立岸桥与集卡联合调度优化模型,优化岸桥与集卡的任务分配及作业序列.岸桥同贝同步装卸增加了集卡作业环节,不同于传统作业时多阶段混合流水车间问题,其模型更加复杂,求解更加困难.针对大规模问题,设计了启发式算法进行求解,并将求解结果与下界值进行对比分析.结果表明,该启发式算法能有效提高岸桥与集卡联合调度模型的求解速度,有助于提高岸桥同贝同步装卸作业效率,为码头实际作业提供依据.     

四元数体上矩阵方程{AXA^＊=B CXC^＊=D的非负定解

本文讨论四元数体上矩阵方程{AXA^*=B CXC^*=D的非负定解，解决了以下问题：(1)给出了矩阵方程{AXA^*=B CXC^*=D存在非负定解的充分必要条件；(2)当矩阵方程{AXA^*=B CXC^*=D有非负定解时，给出了通解的表达式；（3）当矩阵方程{AXA^*=B CXC^*=D有非负定解X时，给出了X的秩的范围。