区间三角模糊软集及其动态决策方法

为完善模糊软集理论,提出区间三角模糊软集的概念,并讨论其相关运算及性质。建立基于区间三角模糊软集的动态决策模型,其中,时间权重采用指数衰减方法进行确定,利用集成的思想定义了区间三角模糊软集算术加权平均算子,将不同时刻的区间三角模糊软集集成为综合区间三角模糊软集。给出不同对象选择值和决策值的求解公式,根据决策值大小来实现最优决策。最后总结出方法的具体步骤,并通过实例说明具体应用。     

基于非均等排序集抽样的符号检验

为检验未知总体的中位数,提出基于非均等排序集抽样的符号检验.通过比较符号检验的Pitman效率,表明非均等排序集抽样效率高于排序集抽样和简单随机抽样. 考虑到非均等排序集样本独立但不同分布,提出与秩次有关的加权符号检验,具体给出使检验效率达到最大的权数,并证明出最优权数具有适应任意分布性. Pitman相对效率的计算结果表明,非均等排序集抽样下最优加权符号检验优于排序集抽样下最优加权符号检验. 最后,对阔叶松树的一组真实数据进行了实际应用.      

一种基于鲁棒残差生成器的故障估计方法

针对具有加性执行器或元部件故障的线性系统,在独立故障的个数大于独立测量个数的情况下,提出了一种基于鲁棒残差生成器的故障估计方法.该故障估计方法是基于鲁棒残差生成器实现的,不需要额外设计动态的故障估计器.故障估计的实现需要:设计编码集;基于编码集设计鲁棒残差生成器;利用编码集和鲁棒残差生成器的输出实现故障分离和故障的渐近估计.给出了本方法的适用的充分条件,并证明了故障估计误差的渐近收敛性.最后,针对具有加性执行器故障的线性系统,基于几何方法设计鲁棒残差生成器,并进行了故障检测、故障分离和故障估计的仿真.仿真结果验证了本故障估计方法的有效性.     

NL-fuzzy拓扑空间与LF完备映射

在L-fuzzy拓扑空间中利用N紧集定义了N紧远域进而定义了NL-fuzzy拓扑空间,并证明了NL-fuzzy拓扑空间是L-fuzzy拓扑空间这一重要结论.同时将fuzzy拓扑空间中的fuzzy完备映射合理的推广到L-fuzzy拓扑空间中,引入了LF完备映射,给出其等价刻画.证明了LF完备映射在L-fuzzy拓扑空间与...     

生物柴油调合燃料匹配催化型颗粒物捕集器的排放与再生性能研究

以一台非道路增压中冷共轨柴油机为试验对象,将K_0.2-Ce_0.5Mn_0.5O₂催化剂涂覆于柴油机颗粒物捕集器（DPF）的堇青石过滤体上,探究柴油机催化型颗粒物捕集器（CDPF）对生物柴油调合燃料燃烧污染物排放的影响规律,并开展了CDPF碳烟加载与再生特性的试验研究。试验结果表明,CDPF能够明显降低纯柴油和生物柴油调合燃料的碳烟和气态污染物排放,且对调合燃料的排放物降低效果更显著;CDPF负载催化剂对柴油机气体排放的改善效果受负荷影响较大,在标定工况下两种测试燃油NO_x排放较空白DPF时分别降低17.1%和24.3%,HCHO排放分别降低35.1%和43.6%,CH₃CHO排放分别降低28.4%和29.9%;DPF与CDPF两者对碳烟的捕集过程均包括深床捕集阶段、过渡阶段和滤饼层捕集三个阶段,碳烟加载过程中CDPF前后压差的升高速率明显低于DPF;与纯柴油相比,柴油机燃用生物柴油调合燃料时CDPF的前后压差升高速率有所降低,再生平衡温度向低温区间偏移,有利...     

ℤ2ℤ4[u]-加性循环码

针对环?2?4[u],介绍一类新的加性循环码:?2?4[u]-加性循环码.讨论?2?4[u]-加性循环码及其对偶码的相关性质,以及码字内积和Rα,β上多项式乘积之间的关系.研究环?2?4[u]-循环码的代数结构和最小生成集,并通过相应的实例加以说明.     

复杂网络中连通支配中心性的计算

分析了现实生活中对重要节点的需求背景,对连通的网络模型提出了一种新型中心性评价指标,连通支配中心性。该中心性利用网络连通支配集的"连通"和"支配"两大特性,通过循环构建点导出支配子图的连通支配集,生成一棵支配关系扩展有向树。然后基于各节点在该有向树中的支配层次数,支配数和支配边权值3方面的属性,设计了反映节点支配能力强弱的中心性计算公式。最后以合作关系图为例进行相应实验,发现连通支配中心性比较高的节点不仅构成了网络的骨干网,能较好地维持网络基本形态,而且能桥接几个不同研究分区,起到一定的中介作用,体现了网络中节点的组织控制能力。     

Multi-label dimensionality reduction and classification with extreme learning machines

In the need of some real applications, such as text categorization and image classification, the multi-label learning gradually becomes a hot research point in recent years. Much attention has been paid to the research of multi-label classification algorithms. Considering the fact that the high dimensionality of the multi-label datasets may cause the curse of dimensionality and wil hamper the classification process, a dimensionality reduction algorithm, named multi-label kernel discriminant analysis （MLKDA）, is proposed to reduce the dimensionality of multi-label datasets. MLKDA, with the kernel trick, processes the multi-label integrally and realizes the nonlinear dimensionality reduction with the idea similar with linear discriminant analysis （LDA）. In the classification process of multi-label data, the extreme learning machine （ELM） is an efficient algorithm in the premise of good accuracy. MLKDA, combined with ELM, shows a good performance in multi-label learning experiments with several datasets. The experiments on both static data and data stream show that MLKDA outperforms multi-label dimensionality reduction via dependence maximization （MDDM） and multi-label linear discriminant analysis （MLDA） in cases of balanced datasets and stronger correlation between tags, and ELM is also a good choice for multi-label classification.     

开放数据可以帮助人们摆脱贫困

现今,农民的食物产出量是50年前的3倍,而使用的土地仅仅比50年前多了12%,这都要归功于新技术以及更优良的耕作方式的应用。但全球各地的水平参差不齐。非洲农业研究论坛研究表明,非洲农民的个人实际产出量仅占全球平均个人产出量的一小部分,大部分人都在与土壤贫瘠和气候干旱的斗争中勉强度日。帮助非洲和其他地区的