改进的聚类算法及在复杂大群体决策中的应用

针对现有FCM聚类算法中存在的局部极值和伸缩性较差等问题,提出了基于全部最小连通支配集算法(minimum connected donating set algorithm,MCDSA)的改进的聚类算法(minimum fuggy C-means,MF-CM)。用改进的聚类算法MFCM辅助复杂大群体决策(complex huge group-decision,CHGDS),定义了群体偏好矢量和群体一致性指标,提供了一种新的解决CHGDS中群体决策的理论和方法,并通过实验证明了该方法的有效性和稳定性。还提供了基于属性加权进化的群体一致性决策机制新思路。     

抗生素治病不灵谁之过

自20世纪40年代英国细菌学家弗莱明发明青霉素问世以来,成为人类对付多种细菌感染性疾病的有效武器,拯救了数以千万计人的生命,为人类健康立下了不朽的功勋。时至今日,常用的抗生素约近千种,分为β-内酰胺类(包括青霉素类、头孢菌素类和非典型β-内酰胺类)、氨基糖甙类、大环内酯类、四环素类、林可霉素类、多肽类、酰胺醇类、利福霉素类、抗结核药和多烯抗真菌药等十大类。按说如此众多的抗生素用来对付各种细菌引起的疾病应是绰绰有余了吧?其实不然,抗生素竟在多种细菌面前败下阵来。人们不禁问道——抗生素为何变得不灵验要说抗生素治病…     

我校化学学科在全国高校排名第16位

近日，在http：//emuch．net/html/f170.html网上，公布了2005—2006年我国高校发表在世界化学类最高影响因子（IF〉7）论文的排名，我校化学学科排名第16位。这一排名突出强调了科研成果的质量，明显淡化了科研成果的数量，体现了我国对科研成果评价的正确导向。     

素数p(p≡1(mod 4)且h(Q(p~(1/2))=1))的表达式

给出了实二次域Q(p)当类数等于1时,除去有限个以外,素数p≡1(mod 4)的一般表达式.     

基于TMS320DM270的嵌入式开发平台的USB数据通道设计

为TMS320DM270嵌入式系统开发平台添加了USB数据通道。首先初始化USB控制器,使PC机能够识别USB设备。然后,将开发平台上的SRAM格式化为FAT16格式的文件系统,这样在Windows的浏览器下,该SRAM就可以视作操作系统的一个RAM盘。最后,只需要执行简单的拷贝与粘贴命令,就可以实现PC机到开发平台的数据下载。这样向开发板传送数据的速度比串口明显提高。     

双调和ABEL-POISSON算子对共轭HLDER函数类的逼近

建立了共轭双调和Abel-Poisson算子对共轭H lder函数类的逼近上界和逼近下界.     

改进的多版本软件扩展表决系统

本文提出了一种改进的扩展表决系统，该系统是利用自动分析表决系统可靠性等参数的工具来构建的。在软件容错中采用N模块冗余(N Modular Redundancy NMR)及N版本编程(N version Programming)，应用表决技术，可以屏蔽整个软件系统中出错的部分。在实践中直接应用理论的表决模型会发现很难得到理论分析的结果。针对这样的问题，本文提出一种基于多数(plurality)的扩展表决系统：使用构造决策树的方法和进行DFT遍历作为自动化的计算工具；通过对基本的多数表决系统进行模型扩展，加入指导性规则对决策树进行重构，以自动计算工具的结果作为参考，从而选择更加可靠的表决结果作为输出。最终的模拟测试表明，所提出的扩展表决系统能够提高系统输出的正确率。     

一种用于模拟汉字认知过程的多层自组织神经网络

为了模拟汉语初学者的汉字认知过程,在Kohonen神经网络的基础上,改进了其网络结构和算法,并且将改进后的网络输出层根据Hebbian学习规则连接,构建了一个多Kohonen网络协同工作的汉字认知自组织神经网络模型.模拟研究结果表明,模型能够成功地学习到汉字的结构类型,且能有效识别出汉字的部件,在一定程度上模拟了汉字认知的部分过程,说明该模型用于汉字认知乃至汉语言习得的可行性.     

基于模糊聚类的PSO-神经网络预测热连轧粗轧宽度

为了提高热连轧粗轧宽度的控制精度,以攀钢热轧板厂实测数据为基础,采用粒子群优化算法训练神经网络并将其用于热连轧粗轧宽度预报,通过模糊聚类分析方法进行数据分析,科学选取学习样本,解决了由于样本多、学习速度慢的问题.实测数据运算表明,这种方法可避免神经网络陷入局部极小,带钢粗轧宽度的预报精度控制在6 mm以内,并且训练速度也有很大程度的改善,神经网络结构也得到优化,具有很大的应用潜力.     

基于粗糙集属性重要性的模糊聚类决策及应用

考虑到不同属性之间的重要性,利用粗糙集理论对模糊信息表或信息表中的不同属性之间(特别是定量属性与定性属性之间)进行耦合,提出一种计算不同属性间相似度的计算方法,即基于粗糙集属性重要性的模糊聚类方法,解决模糊信息表或信息表中属性值定量与定性描述并存情况下的聚类问题,并根据原类结果建立决策表.