不确定性在推理过程中传播的行为特征

在布尔算子模糊逻辑中，证明了前提的不确定性在推理过程向结论传播时，恒真水平呈递增趋势，而恒假水平保持不变的特性，从而在定性的意义上说明了随着推理过程的深入，结论的不确定性将会越来越分明，但其可靠性不可能有根本性的提高。     

锥—次类凸向量优化问题的真ε—有效性

在向量优化问题中，我们首次引起了ε－有效性的一个新概念，即真ε－有效性，这一概念具有一系列所需性质，当目标映射为锥－次类凸映射时，我们证明了几个有关向量优化问题，ε－弱有效解和真ε－有效解的标量化定理。     

密度演化方法在概率分布估计中的应用研究

利用密度演化方法，提出了随机变量概率分布估计的一个新方法．在此方法中，构造一个与基本随机变量相关的虚拟随机过程，使得基本随机变量成为该随机过程的截口随机变量．利用独立随机抽样的样本值，即可获取虚拟随机过程的瞬时概率密度函数，进而获得随机变量的概率密度函数估计．以约束混凝土极限应变的试验与理论预测值之比值为例，进行了概率密度函数估计．     

垂直向上横掠水平管束两相流型的实验研究

在小质量流速和流动沸腾条件下,对R134a工质垂直向上横掠水平光滑管束的汽液两相流型进行了实验研究,实验的质量流速范围为4~25 kg/(m2.s),质量干度范围为0.02~0.90.通过可视化观察,发现泡状流、块状流和环状流等3种流型.对汽液两相流的压差波动信号的功率谱特征进行分析的结果表明,压差时域信号的功率谱密度可以客观地鉴别泡状流、块状流和环状流3种主要流型.     

齿轮信号特征识别的谱相关密度分析

针对齿轮初期故障以调频形式表现且包络解调仅能够解调幅的现状,以一般调制信号为模型,引入解析思想,对各类型调制信号进行二阶循环平稳分析,理论推导了各自的分析结果,给出了调制信号谱相关密度分析的统一构架,证明了解析形式的谱相关密度同时提取调幅、调频特征的能力.仿真分析和齿轮故障实例验证了该分析方法对于调制特征的提取能力,表明该方法能够准确反映齿轮振动信号调制特征的变化,适用于齿轮初期故障的监测和识别.     

C3H7/NH2/Fe+体系反应活性的密度泛函研究

采用B3LYP密度泛函理论对C3H7/NH2/Fe+体系生成乙烯和丙烯的反应路径进行了研究.在B3LYP/6-31+G**水平上,优化了4重态势能面上的极小值和过渡态的几何构型,计算了它们的能量和频率等参数,得到了该反应的势能面以及反应基元过程的详细信息.     

原子簇Fe3BP异构体稳定性的DFT研究

利用含相关能校正的DFT方法在B3LYP／Lard2dz水平下，对原子簇Fe3BP16种可能构型进行单重态下的全参数优化和频率计算，分析比较了优化结果的能量、结合能和过渡态．结果表明：原子簇Fe3BP有5种稳定异构体，具有立体构型的异构体1、2、3和4共存的可能性较大，其中异构体1最稳定，而平面结构的异构体5存在的可能性较小。     

（CH3O）3P03·（H2O）n（n=1，2）分子间氢键作用的理论研究

用密度泛函(DFT)B3LYP/6-31+G(d)方法研究(CH3O)3PO3·(H2O)n (n=1,2)的分子间氢键作用,对水分子可能与该化合物形成氢键的复合物及水分子作用下该化合物分解时所达到的过渡态,进行全优化,在B3LYP/6-311++G(d,p)的方法下进行单点能计算,并进行零点能校正,进一步探讨由于水分子作用所形成的分子间氢键对(CH3O)3PO3分解所需活化能的影响,比较不同情况下分解所需活化能的大小、几何参数和电荷分布的变化.     

Reconstruction of Temperature Field in 3-D, Absorbing, Emitting, and Anisotropically Scattering Medium

IntroductionRecently ,theinvestigation on numerical radiative heattransfer has been focused onthe reconstruction of temperatureprofile in target space according to its boundary heat fluxgained by detectors[1 8], whichis a kind of inverse problemofradiation. Among these investigation, Li HY[1 4]hasresearched on one-di mension or two-di mension rectangular ,spherical or cylindrical medium which is absorbing ,emitting , and isotropically scattering ; Liu LH[5,6]hasresearched on the semitranspar…     

Combined Density-based and Constraint-based Algorithm for Clustering

We propose a new clustering algorithm that assists the researchers to quickly and accurately analyze data. We call this algorithm Combined Density-based and Constraint-based Algorithm （CDC）. CDC consists of two phases. In the first phase, CDC employs the idea of density-based clustering algorithm to split the original data into a number of fragmented clusters. At the same time, CDC cuts off the noises and outliers. In the second phase, CDC employs the concept of K-means clustering algorithm to select a greater cluster to be the center. Then, the greater cluster merges some smaller clusters which satisfy some constraint rules.Due to the merged clusters around the center cluster, the clustering results show high accu racy. Moreover, CDC reduces the calculations and speeds up the clustering process. In this paper, the accuracy of CDC is evaluated and compared with those of K-means, hierarchical clustering, and the genetic clustering algorithm （GCA）proposed in 2004. Experimental results show that CDC has better performance.