模糊控制的CCC算法

本文借助模糊推理的特征展开法思想，提出了一种新的模糊控制算法──特征系数合成算法（简称ＣＣＣ算法）。与Ｍａｍｄａｎｉ算法相比，对于多观测量的系统控制，该算法十分简便，而且控制的输入，输出均为连续的实变量（非模糊）     

一种步进电机驱动源

本文主要介绍用计数器和EPROM构成环形脉冲分配器,增加一些辅助电路既可构成一台五相十拍步进电机驱动源,电路稍加改动,可用于三相、四相不同相序的供电方式.     

一种基于自适应遗传算法的聚类分析方法

本文研究了基于自适应遗传算法进行聚类分析的基本原理和实现方法。自适应遗传算法不同于一般遗传算法之处是其交叉互换率与突变率这两个参数随串的适应度值而变化，极大地增强了算法的性能。实验结果表明，遗传算法应用于聚类分析能够搜索到更为精确的聚类中心值，在模式识别、数据压缩等领域有着广泛的应用前景。     

降水时间序列的聚类分析和预测

本文阐述了对160个中国大陆降雨序列进行同步预测的完整方法。预测模型是用多元分析和随机序列等方法综合建立的, 预测结果较好。文中重点研究能用个人计算机可方便地同时预测这160个点的方法。因此, 首先采用聚类方法将160个点的降水序列分成若干个局部特征相似的几个子类。采用该法的分类结果与国内大多数着名专家的分类结果相似。采用数据压缩法求出每个子类周期性特征的主成分序列, 计算中在精度损失不大情况下尽量压缩计算量。该模型预测一年后的降雨量, 获得令人满意的结果。     

一,二重混合检查法：大批中剔出缺陷个体的方法

提出了求无需混合的确界的方法,首次提出了比一重混合更节约检查的加倍混合(二重混合)检查方法。按上下界点制作了检察表,对多重混合量平均检查公式提出了一个猜测。     

非全序R0代数的存在性及其构造

通过考察非全序R0代数的序结构,给出了中点的定义,并利用中点给出R0代数的一个分划,同时证明了五元和七元非全序R0代数不存在,以及n元(n>7)非全序R0代数的存在性,并推广到无限元的情形,得到了构造可去(加)中点的非全序R0代数的两种方法.     

有序树、根树和树与某些自然数之间的一一对应关系

本文由有序树、根树和树的路长序列出发,定义了有序树、根树和树的价格,从而在有序树、根树和树与某些自然数之间建立了一一对应关系。     

离子注入生物样品的正电子湮没研究

以云豆作为生物样品，测量了正电子湮没的寿命谱。比较了低能氮离子注入和未经氮离子注入的云豆样品的正电子湮没寿命谱，发现τ３有差异，说明氮离子注入到生物样品的影响深度可达到２００μｍ左右。由τ３和Ｉ３可知在生物样品中的正电子湮没过程中，大约有１／５正电子将形成正电子素Ｐ３。     

用油样分析法对蜗轮传动装置进行监测及故障分析

综合运用铁谱、光谱和电镜能谱法，对３．６ｍ圆盘给料机进行了状态监测；运用机械设备的特征比较三步诊断法，确定了设备所处的工作状态及存在的故障。根据设备状态和故障，对设备操作维护提出了相应的改进意见，并提供了大型蜗轮副传动装置状态监测及故障诊断的方法     

Clustering criteria for discrete data and latent class models

We show that a well-known clustering criterion for discrete data, the information criterion, is closely related to the classification maximum likelihood criterion for the latent class model. This relation can be derived from the Bryant-Windham construction. Emphasis is placed on binary clustering criteria which are analyzed under the maximum likelihood approach for different multivariate Bernoulli mixtures. This alternative form of criterion reveals non-apparent aspects of clustering techniques. All the criteria discussed can be optimized with the alternating optimization algorithm. Some illustrative applications are included.

---

Résumé Nous montrons que le critère de classification de l'information, souvent utilisé pour les données discrètes, est très lié au critère du maximum de vraisemblance classifiante appliqué au modèle des classes latentes. Ce lien peut être analysé sous l'approche de la paramétrisation de Bryant-Windham. L'accent est mis sur le cas des données binaires qui sont analysées sous l'approche du maximum de vraisemblance pour les mélanges de distributions multivariées de Bernoulli. Cette forme de critère permet de mettre en évidence des aspects cachés des méthodes de classification de données binaires. Tous les critères envisagés ici peuvent être optimisés avec l'algorithme d'optimisation alternée. Des exemples concluent cet article.