迭代函数系统吸引子上的混沌集

摘要. 设 E 是满足强分离条件的迭代函数系统 的吸引子, 定义连续映射 设 是一个概率向量, 是对应的不变测度. 本文研究了上述映射,得到如下结果: (1) 对映射 , 存在一个有限混沌集 , 满足 ; (2) 映射 存在Li-Yorke意义下混沌的极小子系统, 该子系统具有零拓扑熵, 从而推广了一些已知的结果.     

基于支持向量回归机的焊缝偏差识别方法

为了提高焊缝偏差识别精度,首先对基于旋转电弧传感的焊接电流信号进行小波滤波,预处理后构建样本数据集.然后建立基于支持向量回归机的Laplace特征映射外延算法,对样本数据集和新样本进行维数约简,利用维数约简后的样本数据集训练支持向量回归机,并对新样本进行偏差识别.最后与不进行维数约简而是直接利用支持向量回归机进行偏差识别的方法进行对比试验.结果表明,利用特征映射进行维数约简能使焊缝偏差识别的精度平均提高25%.     

基于神经网络的道路季节分类

为了合理确定路面结构设计时的输入参数,引入自组织特征映射神经网络,结合Matlab软件对神经网络进行权值训练,将网络训练是否收敛来作为分类的依据,根据温度、交通量和降雨量等几个重要参数对道路进行季节分类,最后按照分类结果进行路面结构分析与材料设计.实践证明,该方法分类效果良好,能很好地解决路面设计参数的合理确定问题,从而大大延长路面的使用寿命,提高道路投资的经济效益.     

B-值多线性映射的有界型核定理

讨论了取值于一般的Banach空间（不必须是自反的）的有界型多线性映射的核定理．     

基于自组织映射网络的流量分类算法

网络流量分类在QoS、流量控制及网络安全等领域发挥了重要作用. 有监督型的机器学习方法对新流量的识别往往依赖于先前的人工分析;自组织映射网络算法模拟生物神经元,通过自组织行为对数据进行分类学习;实验表明,该无监督型算法能够对新流量进行自动识别,提高了流量识别的准确率.     

广义Nechaev-Gray映射与广义(U|U+V)构造

文章通过定义新的广义Nechaev置换及环F3+uF3上新的Gray映射,证明了域F3上长为3n的一类循环码皆是环F3+uF3上某个长为n的线性码的Nechaev-Gray像.由该Gray映射可诱导出Van-Lint的广义(U|U+V)构造.文章给出了该广义(U|U+V)构造的距离公式的具体证明.     

向量映射的广义拟凸性及应用

通过研究广义拟凸的向量映射的一些性质,讨论了向量极小极大不等式,改进和推广了相关文献中的主要结果．     

几种神经网络在入侵检测系统中的应用综述

对入侵检测系统做了一个简要介绍,分析了神经网络应用于入侵检测系统的优越性,并对MLP网络、自组织映射网络、RBF神经网络三种常见的神经网络系统在入侵检测系统中的应用作了分析与比较。     

集值向量优化的Benson真有效性

研究了一类广义锥次似凸集值映射向量优化问题,在此广义凸性的假设下,得到了该问题的标量化和鞍点与Benson真有效性之间的一些性质.