基于多维诱导分量的拓展IOWA算子及其应用

受单一诱导分量不可排序的启发,提出了一种多维诱导分量的拓展IOWA(MIOWA)算子,它可以根据特定背景定义诱导分量的涵义,从不同侧面反映数据分量的若干特性.针对具有自主式特征的协商评价问题,定义了一个二维诱导分量的拓展IOWA算子,使得在多属性信息集结的过程中能够体现方案的相对优势和绝对优势;给出一个决定位置权向量的权数非独裁性协商规则下最大化orness水平的规划模型.最后给出一个算例说明了方法的可行性.     

浅析原产地标记和地理标志及其相关概念

阐述了原产地规则、原产地标记、原产地名称、地理标志等概念及其之间的关联,指出其内涵、外延的区别,以澄清人们的认识误区.     

基于数据挖掘的课程相关性分析系统的应用研究

本文论证了采用关联规则算法进行数据挖掘,以发现课程之间相关性的可行性。数据挖掘部分采用经典的Apriori算法,并引入了感兴趣度的概念,对挖掘结果进行进一步的清理,从而提高了系统的性能。     

Matlab与C语言程序的应用编程接口

针对MATLAB与C语言混合编程的接口问题,提出了采用MAT文件、MEX文件和MATLAB引擎三种接口方法。通过MAT文件实现与其它编程环境的数据交换;通过MEX文件实现在MATLAB环境中调用其它语言编写的程序;通过MATLAB引擎实现在其它编程环境中使用MATLAB的计算功能。在详细阐述了三种方法原理的过程中,说明了三种接口方法的使用特点、调用方法、编译过程和使用中的注意事项。通过混合编程,利用了C语言高效的特点,在发挥MATLAB强大的计算功能的同时,又弥补其执行速度慢的缺点。     

基于轻量级工作流引擎的政府采购协同办公管理系统设计

采用Browser/Server模式为开发平台,Java为开发语言,Microsoft Windows2003为操作系统,Apache作为Web服务器软件,设计基于轻量级工作流引擎的政府采购协同办公管理系统。该系统采用轻量级的工作流引擎来处理政府采购协同办公系统流程,由采购计划管理系统、采购执行管理系统、采购支付管理系统、采购监督管理系统和采购决策辅助系统五大系统组成,实时管理政府采购工作流、信息流、资金流,具有分级管理、跨部门作业、统一市场、共享数据、实时监控的特点。     

关联规则Apriori算法在试卷成绩分析中的应用研究

将关联规则Apriori算法应用于试卷成绩分析中.首先对数据进行预处理,然后使用Apriori算法挖掘学生各科目试卷成绩的优良影响关系,最终产生关联规则.用所获得的知识指导学生的学习及今后的工作.     

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.