F-规律预测与规律挖掘

给出F-规律预测,F-规律预测的规律挖掘概念,提出F-规律预测的规律挖掘定理与F-规律预测的规律挖掘原理.F-规律预测的规律挖掘是预测系统中未知规律的一个新的研究方向.     

非线性耦合Schroedinger-Kdv方程组的周期波解

在新近提出的F-展开法的基础上，对F-展开法做了修改，导出了非线性耦舍Schroedinger-Kdv方程组的由Jacobi椭圆函数表示的周期波解；当模数m→1，0时，可得到双曲函数解（包括孤波解）．     

函数S-粗集与它生成的F-遗传规律

利用函数S-粗集,给出系统粗规律的F-生成, F-遗传概念,给出了系统粗规律的F-遗传特性;提出了系统粗规律的F-遗传特性定理,系统粗规律的F-遗传依赖于属性集α上的属性补充，并提出了系统粗规律的F-遗传的属性特征定理.利用这些讨论,给出了依赖于F-遗传的规律挖掘.     

基于F-范数的小波自适应量化的语音伪装

提出一种小波域自适应量化的语音伪装算法.首先对语音信号进行小波变换,由混沌序列控制嵌入位置,并采用固定阶距量化实现秘密信息的隐藏.在此基础上通过F-范数自适应控制量化阶距的变化,实现了基于F-范数的语音伪装算法.仿真实验表明算法安全性高、透明性好,在多种干扰情况下均能盲提取出秘密信息.     

决策系统簇的平均代价敏感并行约简

大数据背景下，数据量呈指数级增长，三支决策在处理代价敏感问题时动态机制和稳定性不足.针对这个问题，结合F-粗糙集处理动态数据方面的优势，在代价敏感决策表簇中提出基于F-粗糙集和三支决策的平均代价敏感并行约简.首先，从平均决策代价和平均测试代价的角度，定义基于F-粗糙集和三支决策的并行约简；其次，设计基于F-粗糙集和三支决策的平均代价敏感并行约简算法.与基于分类的最小代价约简和基于类特定的最小代价约简比较，实验结果显示，基于F-粗糙集和三支决策的平均代价敏感并行约简可以更好地权衡误分类代价(决策代价)和测试代价，提高分类准确率.研究结果为研究动态决策和代价敏感提供一种新的研究方法和思路.     

单亲遗传算法在物流合乘优化中的应用

本文运用单亲遗传算法解决物流合乘的路径优化问题。通过在染色体上基因换位、移位、逆转等基因重组操作进行个体繁衍,经过若干代的繁衍迭代,从所有的上下车点中找出一条最优的、费用最少的路径。实验结果表明,该算法在提高合乘成功率的同时,还有效地降低了车辆运行时的总成本。     

城市道路网通行能力匹配度研究

为缓解道路网车辆的通行压力,提高车辆通行的平顺性,提出了道路网通行能力匹配度概念并给出计算方法,实现在道路规划、道路设计和交通管理阶段对城市道路网通行能力的诊断优化.将交叉口通行能力匹配度分为3级,分别为交叉口的匹配度、交叉口各入口方向的匹配度及交叉口各入口方向中左转、直行、右转的匹配度,并给出道路网交叉口通行能力匹配...     

图书借阅量预测模型

将统计学中的一元线性回归模型方法,引入到图书管理领域,以1993年至2005年之间的十二个学年度的读者总指数为自变量,以对应十二个学年度的借阅量为相依变量,得出回归方程,进行F-检验,利用2005-2006学年度的读者总指数,预测对应的未来下一个学年度的借阅量.     

无单位元的群分次环与G/H-分次模范畴

设R是具有局部单位元的G-分次环,对于任意群G及其子群H K.本文研究了H/K-分次R#G/H-模范畴(H/K,R#G/H)-gr与G/K-分次R-模范畴(G/K,R)-gr的同构.当取其特殊情形K={e}时,所得结果推广了刘绍学的相关结论.     

基于稳定匹配机制的网格任务调度算法

任务调度和资源分配是网格计算的关键技术.提出了一种基于稳定匹配机制的网格任务调度算法(SMM:Stable Matching Mechanism),以及根据各奈件因素值及其所占比率进行量化匹配的思想.用户和资源可以根据自身特点动态地设置各条件因素的基准值,通过与实际提供的条件因素值进行比较,得到匹配度,按照匹配度的高低顺序循环匹配最终达到稳定.算法综合考虑用户和资源双方的需求而得出相应的稳定匹配调度策略.给出了算法的数学模型和描述,在Matlab语言环境下仿真表明,SMM算法可以有效地实现网格任务调度,满足任务和资源双方的需求,得到稳定匹配.