不完全数据集上的半参组群差异检测

组群差异检测广泛应用于医药、社会网络等领域.现有的组群差异检测都是建立在数据集没有缺失的情况下,因此讨论并给出了在数据集缺失的情况下进行组群差异检测的方法.首先,使用一种新颖的缺失数据填充方法填充缺失数据,然后在半参环境下使用经验似然方法对得到的完全数据集估计出置信区间,进而进行组群差异检测.     

基于粗糙集决策树算法的研究

传统的决策树方法在实际应用中存在很多不足,如生成树规模过大,抗噪性较差等,因此,提出了将变精度粗糙集和混合变量集算法应用于决策树分类中,通过变精度和混合属性集分类减小树的规模和过度拟合问题,降低了噪声数据对属性选择的影响,并通过实验证明该算法与传统的算法相比具有较大的优越性。     

基于模糊概念格的气象云图识别关系模型及应用

构建一种基于模糊概念格的气象云图识别关系模型．此模型选取2个相邻时刻的卫星云图进行云团移动研究，求出每个云团的属性评估值，得到两时刻云团间的评估关系；以评估关系为对象，以云团的特征为属性建立模糊概念格，利用相似度确定相同云团；最后，通过实例证明了以该模型为基础建立的气象云图识别方法更具精确性和实用性．     

基于小波神经网络的超高压输电线路行波测距保护研究

针对超高压输电线路的超高速保护而建立人工神经网络模型,将输电线路行波信息和高频暂态电流信号经小波变换数据预处理,并提取相关时域和频域特征值之后作为分布式神经网络的输入,以通过人工神经网络来准确识别线路故障类型、故障位置,为实现保护的超高速动作提供判据。     

Vague集模糊熵的新度量方法

提出了Vague集模糊性主要来自三个部分,分别为未知信息、不确定信息及他们的交叉模糊信息,通过分析现有方法,给出一种新的Vague集模糊熵度量方法,并改进了它的公理化定义和证明了它的正确性.最后通过实例分析,指出它同时考虑了Vague集的未知性、不确定性和两者之间的交叉模糊性,从而证明所给出Vague集模糊熵的定义是更加合理的.     

压电材料静力耦合机理的三维解析及简化分析

在三维压电材料本构方程的基础上,推导出了用位移和电势表示的三维横观各向同性材料的平衡微分方程．考虑到平面问题的广泛性,推导得到了三维压电材料的弹性常数在二维情况下的表达式,为二维理论分析作出了准备．同时,还考察了受垂直于极性轴的轴向力的压电材料的三维解析解,得到了这种情况下的位移和电势分布情况．进而,简单分析了压电材料中弹性常数与工程常数之间的关系     

基于正交矩阵偶构造低相关区序列偶集

由于不受阶数应为2的幂次的限制,正交矩阵偶的存在范围更大.提出了3种新的正交矩阵偶的构造方法.基于正交矩阵偶,提出了一种新的低相关区序列偶集的构造方法,并对此方法构造得到的低相关区序列偶集的参数进行了理论分析.     

集值优化问题全局极小解集的连通性

在Hausdorff局部凸空间中,讨论了集值优化问题全局极小解的连通性问题.证明了当目标函数为锥类凸集值映射时,其目标空间里的全局有效点集是连通的;若目标函数为弧式锥凸集值映射,则其全局极小解集也是连通的.     

基于多尺度小波变换角点特性的图像配准研究

针对传统单尺度角点检测算法易产生伪角点和在角点匹配过程中计算复杂,容易产生误匹配等缺点,提出一种基于多尺度小波变换角点特性的图像配准方法.该算法首先采用多尺度小波变换的二维图像角点检测算法采检测参考图和待配准图的角点信息,然后采用两图角点对的欧几里德距离平均值的极小值作为两图角点对配准准则,利用改进的粒子群优化(Par...     

基于改进小波神经网络的大气质量评价模型

为了缩短人工神经网络的训练时间、减少迭代次数和提高输出结果的准确率,将小波基函数应用于人工神经网络,并用专家评分后归一化处理的方法对输入层的权值初始值进行优化,建立了优化的小波神经网络模型。将该模型对井冈山区域2012年大气监测数据进行评价,实验结果表明:经过优化的小波神经网络模型的评价精度较高。最后与将该模型与其它评价方法相比,该模型还具有计算快速、评价客观、可靠性强、效率更高的特点。