基于差别矩阵的增量式属性约简完备算法

为了解决基于差别矩阵的属性约简完备算法得不到最小约简的问题，提出了一种改进的属性约简方法．该方法将信息论定义的属性重要性作为启发式信息，并通过构造一个条件信息熵算子对差别集合进行运算，同时利用算子来计算候选属性的剔除次序，采用宽度优先搜索策略使约简集合中含有最重要的属性，这样就解决了完备算法约简率低的问题．结合该方法并在分析对象集增量与差别矩阵关系的基础上，证明了增量约简定理，由此提出了一种增量式约简完备算法（CAIR），当新数据加入决策表时，算法可增量构造差别集合．实验结果表明，所提CAIR在大大缩短计算差别集合时间的同时，约简率比非完备算法提高了20．3％，是同条件下完备算法执行效率的13．2倍．     

对称次反对称矩阵左右特征值反问题解存在的条件

讨论了对称次反对称矩阵左右特征值反问题解存在的充分必要条件，给出了解的具体表达式，对于给定的矩阵，给出了存在最佳逼近解的充要条件以及最佳逼近解。     

Hubbard算符和Pauli算符之间的转换

把用Pauh算符表示的哈密顿量转化成用Hubbard算符表示。利用Hubbard算符的归一性和正交性给出了Hubbard算符和Pauli算符之间转化的运算公式，从而实现了哈密顿量表示方式的转化，得到了用Hubbard算符表示的自旋梯模型的哈密顿量。利用自旋梯模型的哈密顿量做为例子，完成了用Pauli算符表示的哈密顿量转化成用Hubbard算符表示。     

四元数矩阵的亚正定性

给出了四元数矩阵的和、乘积、直积与圈积为亚正定矩阵的充要条件。     

矩阵的UDV*分解

矩阵的UDV*分解是长方矩阵广义谱理论的基础,文章介绍了UDV*分解及其主要结果,并给出了它的一个计算实例.     

关于乘积矩阵的特征值估计

简要概述了近几年关于乘积矩阵特别是厄米特矩阵或半正定阵的特征值的一些最优估计，论述了在一定条件下一般复矩阵乘积的特征值的估计．在放宽条件下得到了一般的厄米特矩阵乘积的特征值的一类新估计．     

基于模糊图像矩的动态定位系统

针对动态定位过程中摄像机的运动使得目标成像模糊，提出了一种基于模糊图像矩进行三维动态定位的控制系统。该系统依靠单摄像机在笛卡尔坐标系中的三维平动迅速接近环境中的静止目标，且与静止目标的三维距离符合给定值。证明了图像的零阶和一阶矩是模糊不变量，且包含目标的三维信息。推导出被控对象的状态方程，给出了系统的控制结构及控制律。仿真结果表明，基于模糊图像矩设计出的定位控制算法具有较高的控制精度。     

基于区分矩阵求决策算法的约简

利用区分矩阵的特点，给出了另一种求决策表的属性约简与属性核、决策规则的约简与核的方法，进而给出了一种求决策算法约简的方法，这种方法简单易行，尤其在求决策规则约简时更体现了它的优越性。     

离散型Hopfield神经网络稳定性的研究

提出了离散型Hopfield神经网络DHNN模型权矩阵的等效矩阵的概念，给出了相关算法。利用等效矩阵的概念可把DHNN模型按其轨道是否相同进行分类。因而，获得了研究DHNN模型收敛性的一种新方法，并利用此方法推广了已有的有关收敛性的几乎所有结论。     

一类线性互补性问题的整数解

通过定义特殊的矩阵类I,讨论对每一个有补余解的向量q,与I类矩阵对应的线性互余性问题具有整数解的充分性条件,进一步根据矩阵的幺模性及幺模锥,导出I类矩阵的某些子类所对应的线性互余性问题有整数解的必要和充分条件。