混合离散变量的整型优化方法

本文对混合离散变量的优化问题进行了探讨,提出了将混合离散变量转换为单一的纯整型离散变量、并在整型空间内对全离散或混合离散变量、约束非线性问题进行优化设计的新方法。     

一种基于粗糙集理论的连续属性离散化方法

基于粗糙集的有关理论,提出了一种新的连续属性离散化方法·首先说明决策属性支持度的概念,再利用决策属性支持度作为反馈信息,提出一种领域独立的基于决策属性支持度的连续属性离散化算法·该算法能在保证决策表原始分类能力不变的前提下,提高约简效率·同时,各个属性拥有较少的分割区间,会使规则集合更加简洁·通过实例分析比较,说明该算法是非常有效的·     

焊接瞬态温度场的边界元计算

采用边界单元法对薄板焊接瞬态温度场进行了计算，算例表明了边界单元法解决该问题的有效性和适应性，在焊接过程中，即使当焊件较小时也形成准稳态温度场。为计算机模拟焊接热过程提供了新的数值分析的手段。     

二维电流连续性方程最佳离散方法

该文提出了一种既简单又新颖的离散二维电流连续性方程的有限差分方法，这种方法能完全消除数值振荡，有效地减小侧风效应，与经典多维Ｓ－Ｇ方法和ＳＵＰＧ方法相比，该方法具有更好的数值特性。     

网络控制系统的一种统一的Markov跳变模型

对于网络诱导延迟的上界大于或小于一个采样周期的两种不同情况的连续时间网络控制系统,采用离散化与增广状态空间方法,建立了统一的Markov链离散时间跳变模型.由于模型含有反映系统的网络诱导延迟的大小与计算精度的参数,因此它具有更广泛的适应性.应用离散时间线性跳变系统理论,分析了保证系统均方稳定的充要条件.在所论及的保证系统均方稳定的设计算法中,给出了一种求内点法初始可行解的方法.在延迟带有一定任意性的车载倒立摆的网络控制设计中,该改进算法得到了有效应用.     

一种不完备信息表的预处理方法

针对不完备信息表预处理问题中的不完备数据的填补问题、冗余属性的约简问题和连续属性的离散化问题进行了研究. 应用粗糙集理论,由相容信息表中条件属性与决策属性间的一致性对应关系,定义了划分区间的加法运算,解决了不完备数据填补问题;根据类别概念,定义了差别向量,利用差别向量加法运算删除了冗余属性;根据条件属性与决策属性之间的依赖关系及相对信息熵概念,实现了连续属性的离散化. 数值示例和实验结果显示此方法是有效可行的.     

地下煤火燃空区冒落岩体孔隙率随机分布规律

本文经随机实验统计分析得出孔隙率函数(3ln渍-2ln(1-渍))近似服从正态分布,在实验的粒径范围内(30~180 mm),其期望值和方差都随着岩块粒径的增大而增大。在推导出岩层二维下沉曲面方程的基础上,先后推演出燃空区冒落岩体孔隙率的连续非均质分布模型和随机离散化非均质分布模型。依据模型计算矩形煤火空间得出以下结果：燃空区浅部及边缘侧冒落岩体的孔隙率大,而中间区域孔隙率小;孔隙率等值线在x-y平面上的投影呈侧躺的“U”形分布;沿x轴,随着深入燃空区距离的增加,孔隙率呈类负指数形式衰减。此外,孔隙率连续分布和随机离散化分布,在整体的变化趋势上是相同的,区别之处在于后者所表示的孔隙率具有一定的随机波动性。将上述随机离散化模型应用在某火区温度场的数值模拟中,并经现场红外测温验证了模拟的准确性和孔隙率模型的适用性。     

装备模拟训练系统数据离散化

离散化是装备模拟训练系统数据预处理的重要组成部分。针对传统数据离散化方法对单个属性依次处理,往往忽视属性间的相关性,造成装备模拟训练系统数据离散化后的误差。提出基于层次聚类和相容度的数据离散化方法。采用逐层泛化构建离散化总体框架,完成对装备模拟训练系统数据混合型决策表处理。设计动态确定簇数的层次聚类,实现对属性的初始整体划分;结合类别属性信息和相容度合并相邻区间,去除冗余的离散划分。实验结果表明,基于层次聚类和相容度的数据离散化方法在区间总数、精度方面有明显优势。     

求线性不适定方程L-广义解的隐式迭代法

本文首先指出可以把求不适定算子方程的 L-广义解归结为求另一个方程的 Moore-Penrose广义解 ,然后把隐式迭代法推广应用于求 L -广义解 .文中还考虑了离散方法 ,给出了数值例子 ,最后用例子说明了确定 L -广义解光滑程度的方法     

基于连续数据量化的声纳传感器数据识别方法

为了有效识别声纳信号,提出一种基于连续数据量化的声纳传感器数据识别方法。首先用声学传感器采集数据;其次运用数据离散化方法,有效地将采集到的数据进行连续数据离散化;最后,通过数据挖掘技术(C4.5/C5.0决策树、SVM和Naive-Bayes分类器)对离散后的声纳信号数据进行分类识别。实验首先在UCI数据集上进行Naive-Bayes分类预测来评价提出离散化方法的性能,得到了较好的效果。其后,通过声学传感器收集到的Sonar数据集进行实验。结果表明,新的离散化方法提高了四个分类器的识别精度,表明该声纳传感器数据识别技术是非常有效的。