船舶减摇鳍模糊控制器的系统化设计与仿真

建立了船舶减摇鳍控制系统数学模型,提出了一种模糊规则后件采用PID表达式的TS-PID模糊控制器模型,并推导出了输入采用正规模糊集、三角形全交迭隶属度函数时该模糊控制器的插值表达式,为实际应用提供了一种快速精确的控制算法。在此基础上,应用钝性定理研究获得了减摇鳍TS-PID模糊控制器闭环系统IO稳定的充分条件,并探讨了利用遗传算法进行优化设计的方法。最后通过计算机仿真,验证了减摇鳍TS-PID模糊控制器的优越性。     

基于粗集理论的分类关联规则挖掘研究

认为数据量的巨大和高维、用户交互与先验知识的利用等等是知识发现领域面临的问题和难点。粗糙集理论是一种具有模糊边界的集合理论，它作为研究知识发现的新型工具，能严格地处理不精确数据的分类问题，被广泛应用于不相容决策表中的规则提取过程中。针对粗糙集理论中属性约减和属性值约减这两个重要问题进行了研究，并介绍了数据集中挖分类规则的基本原理，同时利用RS理论中核和核值的概念，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系并简化决策系统的数据挖掘算法，并应用一简单的例子说明如何在数据库中发现分类规则，实验结果表明此算法可以大大提高系统潜在知识的清晰度。     

区间Ⅱ型变论域自适应模糊逻辑控制器

在变论域自适应模糊控制方法的基础上,结合Ⅱ型模糊集较强的鲁棒性和处理不确定性问题的能力,设计了一种区间Ⅱ型变论域自适应模糊逻辑控制器.为了使控制器保持在最优状态,采用粒子群优化算法来优化隶属度函数;然后由Lyapunov方法证明了区间Ⅱ型变论域自适应模糊逻辑控制器的稳定性.对Duffing系统和1维6卷混沌系统的仿真表明,区间Ⅱ型变论域自适应模糊逻辑控制器可以很好地跟踪参考信号,较之变论域模糊逻辑控制器,其可以有效地防止抖震且控制量较小.     

可用性语义Web服务的通用发现机制

针对复杂组合Web服务的选择问题,提出了一种基于可用性的语义Web服务发现方法.使用动态自适应模板来寻找可用的组合Web服务,结合语义匹配度量化Web服务的功能、非功能属性,在形式化定义组合Web服务的可用性等规则的情况下,基于可用性的量化值进行排序,从而得到最合适的Web服务.将以建议规则实现的匹配引擎运行于原型系统,结果表明所提方法可以实时选择复杂组合Web服务,适用范围也比较大,并在查全率的基础上能够获得最优解.     

非农田生境飞虱卵寄生蜂群落的结构和动态

褐飞虱Ｎｉｌａｐａｒｖａｔａｌｕｇｅｎｓ Ｓｔｌ 是水稻的主要害虫之一． 在我国, 其间歇性大发生的局面仍没有改观． 以保护利用自然天敌为主的控制策略正日益受到重视． 在田埂和路边２ 个亚种库中, 共收集到能寄生褐飞虱卵的寄生蜂２０ 种, 分别属于缨小蜂科和赤眼蜂科． 其种类和数量在１ 月份有所下降, 在３ 月底和４ 月初开始上升． 水稻移植后稍有下降． 早稻收割后和晚稻生长后期, 又明显增加． 两个亚种库的群落优势种类也基本相同, 通常为稻虱缨小蜂和拟稻虱缨小蜂, 但优势度指数不同． 飞虱卵寄生蜂的种库对稻田寄生蜂群落的重建、结构及功能均有显著影响     

英语动词被动语态形式的比较教学

英语谓语动词的被动语态通常是由助动词be 的一定形式 及物动词的过去分词构成。初学者往往容易将各种形式中的being与been相混淆,事实上,英语中不同形式的语态的时态在be动词上反映出来,根据时间上的差别,其语态形式都是由be动词的不同时态加上动词的过去分词。对于动词的被动语态形式教学,我们在教学实践中使用比较分析法。     

基于事例的自适应关联规则挖掘模型的研究

认为传统的关联规则挖掘模型主要是针对结构化数据 ,其可信度和支持度不能随环境的变化自适应调节 ,即缺乏自适应性 ,而现实中还存在大量非结构化的数据 .针对传统发现模型的不足提出了一个基于事例的自适应关联规则发现模型 ,它不仅可以处理对非结构化数据的数据挖掘 ,而且还可以随着环境的变化自适应调节支持度和可信度 .     

高校与学生之间的法律关系及应对之策

随着法治社会的构建,依法治教进程的加快以及教育法的普及,我国高校（国立）与大学生的法律关系已成为近年来争议颇多的问题。以高校与学生之间具有行政色彩的权力关系以及与不具有行政色彩的民事关系为基点,从维护学生权益角度出发,审视高校的法律地位及其与学生之间的法律关系,并探讨其应对之策。     

基于模糊控制的群控电梯调度算法研究

在分析模糊综合评判决策的数学基础上,针对大多数的群控系统采用单一评价指标的厅层呼叫方式来调度电梯,建立了多目标模糊控制的数学模型。对电梯群控系统的输入量进行分析计算,选择合适的隶属函数,提出了基于多个评价指标的模糊综合评判群控算法。在不同的交通模式下对评价指标赋予不同的权重,并对综合评价函数进行计算,通过模糊推理得到合适的派梯结果,达到使乘客满意并节约能耗的目的。对所提出的群控算法进行了仿真分析。     

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.