热力学态函数的偏微商用可测量表示

每个可测量都有用一个相应态函数的偏微商来定义的定义式,由这些定义式和热力学有关定义、定律可推导出各种态函数的偏微商用可测量来表示的表示式,这是本文的核心内容.在推导过程中,笔者注意到方法的多样性和结果的等效性、繁简和难易性、系统和完整性,这样对于教学和研究是有益的.     

泊松方程的边界点法求解与区域积分的规则网格处理

提出用规则网格来处理用边界积分方程方法数值求解Poisson方程时遇到的区域积分问题的新方法.传统上区域积分通过内部单元来处理,其精度高,稳定性好,但人工消耗较大.引入规则网格可以在保持内部单元所有优点的同时大大减小初始数据准备的时间,因为在边界型方法中内部单元的作用是评价内部变量对边界未知量的影响,并不直接影响边界条件的处理以及相应的形函数构造.利用提出的规则网格技术并结合新的边界型数值方法——边界点法求解Poisson方程,给出的若干算例具有较高的计算精度,显示出方法的可行性,并从计算的角度讨论网格间距与边界点支域大小的关系对计算精度的影响.     

基于决策树的知识表示模型及其应用

针对数据挖掘过程中的数据库精炼问题,在分析现行属性约简方法的特点和不足的基础上,结合决策树算法操作简单、分类速度快的特点,通过知识的规则化描述以及规则族之间的相似性比较,建立了一种基于决策树的属性约简方法（简记为BD-RED）,讨论了规则族之间的相似性度量的可释化构建问题,给出了BD-RED的具体实施策略,并结合实例分析了BD-RED的性能。结果表明,BD-RED具有良好的结构特征和较强的可操作性,可以有效实现不同决策理念下的属性约简,适合不同类型的大规模数据库的属性约简。     

基于变精度粗糙集的神经模糊网络优化及应用

针对现有神经模糊网络应用中的不足,提出了一种新的基于变精度粗糙集的神经模糊网络优化方法,并讨论了其在复杂系统建模中的应用.将变精度粗糙集理论中的β分类精度作为信息函数,选择条件属性.通过选择适当的精度,对建模数据进行离散化,组成决策表.通过对决策表进行变精度的知识约简,提取重要的属性和属性值,映射到模糊规则中,简化生成的规则,从而有效地优化了神经模糊网络结构,极大地减少了网络的训练时间,且提高了训练精度.将该方法应用于有大量样本数据的非线性时延系统建模,仿真实例验证了此种方法的可行性和有效性.     

基于项集分解的快速挖掘最大频繁项集算法

对Apriori算法的分析,提出采用分解事务数据库中最长的项集,使用前缀划分的表示方法,从而快速地归纳出事务数据库中的最大频繁项集.     

粗糙集理论在教学效果评价中的应用

考试作为检测学生对某学科基本知识、基本技能的掌握程度、综合应用能力及创新能力的有效方式而被普遍采用.学生的考试成绩数据里蕴含着大量有用的信息,使用粗糙集理论,将考试的成绩经过挖掘整理,提取有价值的信息,找出教学中存在的问题,提出改进教学的一些建议,以提高教学效果.     

基于概念格的组织内部知识分布的综合评价

利用形式概念分析的理论和方法,提出了一种关于组织内部知识分布合理性的评价方法.在该方法中,首先依据组织内部知识分布的概念格提取评价项目集中蕴涵规则的支持度和可信度,然后利用关联函数对组织的知识分布进行评价.     

基于参数可调隶属函数的模糊插值建模方法研究

将模糊推理建模法应用于一阶非线性系统,其中的插值函数一经确定,被控对象的模型即被确定.由于不同系统适用不同的插值函数,如果需要用其它插值函数对系统建模,得重新建立系统模型.设计了一类可调参数插值函数,通过改变其中的参数,从而改变函数形状,最后得到一个较适用的模型框架.     

基于控制服务的海关卡口区域可重构仿真建模

针对保税港区海关卡口区域的建模问题,从海关监管、交通特征及排队网络分析出发建立了其离散事件仿真模型.并针对建模的可重构性要求,结合对车辆服务台选择和排队控制过程的分析,提炼出实体控制规则,并在此基础上提出了实时适应资源组织形式改变的面向服务的实体控制模型.同时,提出并开发了基于Arena仿真软件的实体控制解决方案.最后,通过实验进行方案分析和比较,验证了本方法的有效性.     

带不可用时间段的两台同类机加权完工时间和调度

研究了两台同类机加权完工时间和调度,其中一台机器在一个固定的时间段内不可用,并且被不可用时间段中断的工件是部分可续的,即被中断工件在机器不可用之前已加工的部分在机器重新可用之后需进行部分重新加工.首先简单说明了此问题的NP难性,然后证明了最优调度的一个性质,并在此基础上提出了一种动态规划算法来求得小规模问题的最优解,另外还提出了一种启发式算法来求得中大规模问题的近优解.实验结果表明了这两种算法的有效性.