基于粗糙集与BP神经网络的分布式数据挖掘算法

利用数据挖掘来提高网络中能量利用率是无线传感器网络(WSN)的一个重要研究方向.本文构建了基于粗糙集与神经网络相结合的无线传感器网络分布式数据挖掘算法.该算法用粗糙集对节点内的原始数据进行离散化与属性约简后得到的最简决策表训练BP神经网络,再将构造好的BP神经网络集成在每个传感器节点上.仿真结果表明,该算法可以降低数据维数,消除冗余数据、减少网络通信量、延长网络寿命.     

T_1与T_2之间的几个分离公理

讨论了T1与T2之间的几个分离公理.     

基于邻域粗糙集的不完整决策系统特征选择算法

针对不完整决策系统属性约简算法时间复杂度较高问题,基于正域不变条件下,决策系统分类能力保持不变原则,提出不完整决策系统前向顺序特征选择算法.该算法从约简集为空集开始,根据在约简集合中加入各属性后对正域影响程度大小将属性降序排列,采用顺序前向搜索,选择当前最佳特征加入特征约简集合,确定最佳特征子集.将该算法扩展到基于邻域...     

区分矩阵在属性约简中的一种新应用

当论域中的对象个数偏多或者知识表达系统中的条件属性偏多时,我们要对知识系统中的属性进行约简,但计算量是很大的.用布尔代数的吸收律求区分函数会大大减少计算,使得属性的约简会简单方便.     

满足弱分离条件的齐次Moran-like集

齐次Moran集是自相似集的推广,具有在逐阶构造中基本元的相互位置及压缩比可以改变的特点。首先,定义了齐次Moran-like集,也就是用弱分离条件代替了齐次Moran集中的开集条件;然后,讨论了齐次Moran-like集的有关性质,得到了对于Moran-like集的更加精细化的计盒原理。     

集值形式的Ekeland变分原理

通过给出集值映射的（e,C）-下半连续和C-下有界定义,利用Gerstewitz泛函,将一般集值映射与实集值函数联系起来,获得了关于（e,C）-下半连续C-下有界集值映射的Ekeland变分原理.这个变分原理是现有许多形式的Ekeland变分原理的推广.     

单调集值映射为单值映射的一个判定定理

本文通过对自反Banach空间到拓扑对偶空间凸集值映射在其有效域为全空间且闭值时的讨论,得到 1°自反Banach空间到拓扑对偶空间的极大单调集值映射,当有效域为全空间时,必为单值的。 2°自反Banach空间到拓扑对偶空间的单调凸集值映射,当有效域为全空间时,必为单值的。     

有限单群的一些数量性质

针对文献中关于素图分类存在的问题,利用单群的孤立点集对其进行了修正,并对原结论给出了一个简洁证明。为了刻画所有的交错单群,采取单群和谱相结合的方法,可知交错单群的谱与其他单群不同。同时,还得到一个有趣的数量结果,即阶能被素数p整除的最小的非交换单群是Al t5或A1(p)。这些成果丰富了有限群的数量刻画这一专题内容。     

重复模糊合作对策延拓的核心和稳定集

为了解决重复模糊合作对策传统解在现实应用中的局限性,采用调整相应系数的方法,给出重复模糊合作对策延拓的核心和稳定集等概念,并讨论了它们之间的关系。提出一种重复模糊合作对策新的分配方案—不将全部总收益分配给所有参与者,而保留一部分从而实现收益的再分配。该成果对现实生活中的资源再分配问题具有一定的参考和应用价值。     

Sierpinski垫片的Hausdorff测度的上界估计

研究分形集的中心任务是计算或估计分形集的Hausdorff维数与Hausdorff测度。本文研究Sierpinski垫片的Hausdorff测度的上界估计,利用部分估计的方法,归纳出了关于Sierpinski垫片的某种部分覆盖所包含的小三角形的个数以及这种覆盖的直径的规律,得到了Sierpinski垫片的Hausdorff测度的一个更好的上界估计值Hs(S)≤1377811/09286×(2431/3072)s≈0.870031853。