关于宇宙拓扑结构的进一步探索

本文应用宇宙的拓扑模型对宇宙进行分解，从而更进一步地揭示和描述了宇宙的结构：Ｖ＝∪Ｔａ∪Ｑ。     

基于事务线索树的一次扫描关联规则增量挖掘算法

首先将事务数据库压缩存储到一棵事务线索树(TT-tree)的结点上，并建立这些结点的索引表，然后寻找结点索引表的最后结点到根结点的全部路径，这些路径及路径的交集包含了用于挖掘关联规则的频繁集，该算法只需扫描事务数据库一次，由于采用了逆向搜索TT-tree的方法,搜索的时间开销非常少，该算法可以挖掘中短模式的海量数据，具有很好的伸缩性,同时该算法具有增量挖掘的功能，通过大量的实验数据进行比较。该算法的速度约是Apriori算法的10倍。     

模糊神经网络在石油压裂支撑剂研制中的应用

石油压裂支撑剂的研制是一项复杂有难度的技术，受到很多因素的影响。针对研制过程中各项指标具有较大模糊性的特点，应用模糊神经网络系统(FNNS)来获取各影响因素与支撑剂质量的关系模型和预测模型，从而找到原料配比、成球工艺参数、烧结温度与产品质量之间的最佳关系。     

一种不完备决策表的数据补齐方法

针对不完备信息系统，提出缺失比概念．用缺失比表示待填充样本中缺失数据和剩余数据对决策结果的影响能力的大小，进而根据缺失比选择使用的约简，然后通过填充矩阵寻找缺失数据的最大可能值．采用对Rough集进行扩充和数据填补相结合的决策表数据补齐方法．试验结果表明该方法有较好效果．     

Data fusion based on fuzzy measures

Choquet integral based on fuzzy measure is a very popular data fusion approach. A major problem in applying the Choquet integral is how to determine a large number of fuzzy measures as the number of attributes increases. The λ-fuzzy measure proposed by Sugeno is a powerful method to resolve this problem. However, the modeling ability of the λ-fuzzy measure is too limited to satisfy actual requirements. In this paper, an extended λ-fuzzy measure is proposed using Shapley value index, and the limitation of the λ-fuzzy measure is significantly overcome under little additional computational loads. The extended fuzzy measure has stronger modeling power than the λ-fuzzy measure, straightforwardly representing interaction among attributes. We apply the extended fuzzy measure to an artificial data set and a real dataset in an iron-steel plant. The results verify the usefulness of the extended fuzzy measure compared with other main existing methods.     

F-干扰规律生成与特征识别

利用单向S-粗集对偶给出知识的f-干扰生成与f-干扰规律生成,单向S-粗集对偶的F-干扰生成与F-干扰规律生成的概念,基于这些概念提出了F-干扰盈余与F-干扰度关系定理、F-干扰盈余规律与F-干扰度规律关系定理、F-干扰分辨定理、F-干扰规律分辨定理,给出了F-干扰规律识别准则与应用。     

工程机械液压底盘试验台双马达同步的研究

提出了基于直接自适应控制和模糊控制相结合的新方法,对工程机械液压底盘试验台的单泵双马达驱动的转速同步控制进行了研究,并且对PID控制与直接自适应模糊控制方法进行了研究对比。仿真结果表明直接自适应和模糊控制相结合的方法比PID控制更能够改善系统的同步控制效果。此研究结果有助于提高试验台的控制品质。     

一种基于粗糙集的朴素贝叶斯分类算法

朴素贝叶斯分类器的计算过程只有在完全数据库中才成立,而基于相似关系的粗糙集模型具有处理空值的功能,并且提供了属性离散化和约简技术,可以改善属性间的依赖关系。因此,将两种不同的软计算方法相结合,利用粗糙集合理论先把决策表补齐,再对数据进行约简,然后结合朴素贝叶斯分类器,得出分类结果。实验证明这种方法不仅简化了数据和模型的规模,也具有对不完全数据的分类能力。     

拟阵交约束分划

给出了用求量大重量拟阵交算法来求定形拟阵交２－分划问题的最优解的一个充分条件。