σ—可加Fuzzy集上的Fuzzy测度

文[2]在σ-可加 Fuzzy 集上提出了可加 Fuzzy 测度的概念,得到了许多与经典测度一致的很好的结果,但在实际问题中往往会出现非可加的情况,本文研究了σ-可加 Fuzzy集上非可加测度(即 Fuzzy 测度)的结构待征及其性质,并说明文[3]中的绝大多数结果是本文的特殊情形。     

不精确概念的表示理论(Ⅱ)知识的简化与相依性

本文继续了文[1]研究工作，首先考虑了抽象知识库的简化和核。简化是库中为表达某些概念必要的部分而核是不可省略的部分。其次研究了知识之间的导出关系即相互依赖性。最后讨论了知识库表示的另一种形式属性值表。     

Cu2O/(rGO-TiO2)复合薄膜的制备及其光催化产氢性能

在氧化亚铜（Cu_2O）和二氧化钛（TiO_2）的复合材料中,引入石墨烯（rGO）,制备出新型的Cu_2O/(rGO-TiO_2)光催化薄膜. 首先通过电化学沉积法在铜片上制备Cu_2O;然后通过水热法在TiO_2悬浊液中,将氧化石墨烯（GO）还原为rGO,并制备出rGO-TiO_2复合光催化颗粒;最后将rGO-TiO_2涂覆在Cu_2O表面制备出Cu_2O/(rGO-TiO_2)光催化剂. 催化剂的形貌和表面特征采用扫描电镜（SEM）、透射电镜（TEM）进行表征,材料晶体结构采用X射线衍射（XRD）和拉曼光谱（Raman）分析,其光学特性采用紫外-可见漫反射分光光度计（UV-Vis DRS）、荧光分光光度计（PL）进行表征. 结果表明:与Cu_2O-TiO_2比较,Cu_2O/(rGO-TiO_2)薄膜表现出很强的光催化产氢性能,其中负载rGO质量分数为1.0%的样品Cu_2O/(1.0% rGO-TiO_2)薄膜在300 W氙灯的照射下,对体积分数为20%的甲醇溶液进行光催化反应,其产氢速率（326 mmolh-1m-2）是Cu_2O-TiO_2薄膜产氢速率的3.5倍. 此外,分别探讨牺牲剂类型和pH对Cu_2O/(rGO-TiO_2)光催化薄膜的光催化产氢活性的影响. 结果表明:在体积分数为20%的甲醇水溶液（中性）中,该催化剂的产氢性能最佳.     

支持向量机的最大间隔和对偶性

最初出现的支持向量机理论是基于2类线性可分问题的.针对线性可分情况,研究表明线性硬间隔分类机的对偶问题与凸壳问题(平分最近点法)是等价的,线性硬间隔分类机的最大间隔与凸壳问题的2个最近点的距离相等:针对非线性可分情况,研究表明线性软间隔分类机的对偶问题与缩小的凸壳问题(推广的平分最近点法)是等价的,线性软间隔分类机的最大间隔与缩小的凸壳问题的2个最近点的距离相等.对支持向量机分类问题给出了直观解释.     

两种消除Klebsiella pneumoniae重组型质粒的方法

对于工业发酵菌种肺炎克雷伯氏菌(Klebsiella pneumoniae),研究发现有两种消除其重组型质粒的有效方法,一种是连续传代培养,另一种是使用消除剂十二烷基硫酸钠(SDS)。对K.pneumoniae重组菌连续20代传代培养后,发现其质粒具有较高的消除率;而以0.2%SDS复合Ca2+处理K.pneumoniae重组菌,也能有效消除其重组型质粒,且该方法省却了反复的传代培养,能快速得到质粒消除菌,更具简便易操作性。消除了质粒的K.pneumoniae能再次接纳新的质粒,有效避免了因质粒不相容性带来的转化不成功,进而可用作宿主菌积累更多的生理性状。     

住宅小区园林绿化设计

在当今全球一体化到来的时代,建筑业就是要克服经济社会转型时期所带来的急功近利和过度盲从思想,创造出符合社会与公众需要的园林形式。在园林建设中必须考虑既继承传统,又有所创新,既考虑中国文化,又考虑世界发展。     

复合材料叠层圆柱壳体的弹性理论解

本文采用三维各向异性弹性理论直接求解纤维增强的复合材料叠层圆柱壳体在轴向载荷作用下的位移场和应力场.所得结果对纤维增强叠层圆柱壳体的可靠性设计和强度破坏的分析有一定的实用价值。     

基于VC和VIP的面向对象知识表示

知识表示是人工智能研究的基本问题之一。通过在 Visual C+ +的类中引入Visual Prolog的推理机制提出了一种基于 VC和 VIP的面向对象知识表示方法 ,完善了 Visual C+ +对象的推理功能 ,进一步增强了面向对象的知识表示能力以及 VisualProlog的接口和计算能力 ,并通过实验验证了方法的性能     

基于示例学习的模糊控制器原理

简要回顾了示例学习的基本知识 ,并在此基础上 ,针对基本模糊控制器依赖人为经验的局限性 ,提出了一种基于示例学习的模糊控制器并给出了其设计原理。这种设计方法明显提高了控制器的自学习能力 ,从而能够进一步改善控制器的性能     

两种产生模糊决策树的启发式比较(英文)

比较与分析了产生模糊决策树的两种启发式 :一种是广泛使用的最小模糊性 ,另一种是可能性分布的最小不可指定性。分析表明这两种启发式在很大程度上能得到同样的扩展属性 ,而且比较分析的结果也为如何在实际学习问题中选取合适的启发式提供了一些有用的信息。