基于属性数学的供应商综合评价

供应商是整个供应链的起点,它的综合能力直接影响到整个供应链的正常运行。本文借助供应商的二层指标体系,利用属性综合评价法对某供应商的能力进行了综合评价。通过该实例说明了属性综合评价方法具有可行性,而且较模糊综合评价方法更加合理。     

一种改进的个人综合素质模糊评价方法

提出了一种改进的个人综合素质模糊评价方法。针对传统的模糊综合评价方法中最大隶属度准则在很多情况下给出的评价结果不能客观、准确地反映一个学生的个人综合素质 ,本文找到了最大隶属度准则的不适用情况 ,并应用新的准则———置信度准则 ,有效地解决了问题 ,从而提高了模糊评价方法的评价精度 ,扩大了它的适用范围。     

依赖Tresca和双剪应力屈服函数均值的屈服准则

为使Mises屈服准则线性化,在HaighWestergard应力空间,将Tresca与双剪应力屈服函数相加并取其平均屈服函数来作为新的屈服准则简称MY(平均屈服)准则,给出了该准则的数学表达式、屈服轨迹与单位体积塑性功率表达式·精度分析与算例表明:MY准则是一个线性屈服准则,其与Mises准则最大误差不超过39%,平均误差不超过195%,该准则的单位体积塑性功率表达式也是线性的     

基于最小最大准则的虚拟声重放鲁棒算法

虚拟声在扬声器重放时需先通过串声消除系统（cross-talk cancellation system,CCS）来预校正,但该系统对倾听者头部位置的变化非常敏感。本文提出了一个基于最小最大准则的优化算法,通过在频域中自适应地调整相关参数,来达到全局的串声消除性能的最优。仿真结果表明相较常规的针对固定听音位置的CCS算法,本文提出的算法在头部移动时对重放声场控制具有更好的鲁棒性,尤其是在语音信号能量主要集中的低频和中频段,具有更好的应用性。     

关于Bent函数的一些研究

利用布尔置换，构造了一种新的Bent函数，并对这类布尔函数的构造进行了研究，发现利用Bent函数的满足扩散准则的特性和布尔函数非线性度的中间结果可以构造出两类函数形式简单的，满足高次扩散准则的、具有较高非线性度的平衡布尔函数，从而拓宽了Bent函数的应用领域。     

两传感器按对角阵加权信息融合稳态Kalman滤波器

应用现代时间序列分析方法,在按对角阵加权线性最小方差最优信息融合准则下,基于Riccati方程,提出两传感器信息融合稳态最优Kalman滤波器.与按矩阵加权最优融合.Kalman滤波器相比,可减少计算负担,与单传感器情形相比,提高了滤波精度.一个仿真例子说明其有效性.     

基于Bayes准则的广义判别预报模式及其应用

根据Ｂａｙｅｓ准则,提出一种时间序列与多元分析相结合的广义判别模式．该模式既保留了时间序列线性模式的优点,同时又吸收了多元分析线性模式的长处．从气象状况演变的物理机制来看,这种综合考虑系统状况的方法比单纯考虑前期状态演变或单纯考虑某一时次的状态更有意义．     

再谈区间套定理及其应用

介绍闭区间套定理其它证明方法,给出开区间套定理的正确表述,近一步讨论区间套定理在证题中的应用。     

应用双剪应力屈服准则进行弹塑性分析

导出了双剪应力屈服准则在平面应力状态下的屈服曲线及其方程.应用双剪应力屈服准则对旋转园盘、厚壁园筒和具有园孔的大平板进行了弹塑性分析,将计算结果与用Mises和Tresca屈服准则计算的结果作了比较.     

一种基于惩罚系数的BP神经网络预测能力

为提高BP神经网络训练的预测能力,采用有助于提高BP神经网络逼近精度的Metropolis准则来克服BP神经网络训练学习过程中容易陷入局部极小值的问题;考虑到两类误分的代价不同,利用两个惩罚系数C1和C2,对两类误分给予不同程度的惩罚;采用轮换法的策略来避免因样本不均衡分布带来的负面影响.研究结果表明:所构建的神经网络模型效果令人满意,是行之有效的做法.