基于距离测度的折衷型区间数多属性决策方法

针对服从均匀分布的区间数情况,通过区间数之间的距离并考虑决策者的偏好,给出一种基于距离测度的折衷型区间数多属性决策方法,并以实例说明方法的有效性和可行性.该方法首先将区间数属性值转化为排序指标值,以方案排序指标值离差最大化为目标建立数学模型求得属性权重,然后按方案综合排序指标值的大小对方案进行排序.该方法充分利用已有的客观信息,结果准确可信,具有简洁、直观、便于上机实现等优点.     

三角模糊数的一种新排序方法

根据模糊数的α截集,定义三角模糊数的左、右优于度,构造一致性正互反优于度判断矩阵,并根据其最大特征根所对应的规范化特征向量来确定各个模糊数在α水平下的排序,最后通过积分确定模糊数的排序.该方法满足模糊排序方法合理性的5个公理,而且计算方便.     

基于属性相似度的连续型特征选择方法

特征选择作为模式识别领域的研究热点,是一种重要的降维方法.对于连续型特征,目前主要采用离散化方法或特征分类能力的"相关性"评估进行特征选择.引入区间数相似度的概念,提出一种连续型特征选择方法.该方法以区间数相似度为基础,定义每个特征的属性相似度,以此作为特征选择的启发信息,对特征全集进行排序,选择特征子集,实现特征选择.相关实验表明了该方法的有效性.     

两两PQD随机变量序列的一个强大数律

利用随机变量的截尾方法和两两PQD随机变量序列的矩不等式,得到两两PQD随机变量序列的一个强大数定律,推广若干已有的结果.     

φ混合序列的一个强大数律

利用随机变量的截尾方法和φ混合序列的三级数定理,得到了矩条件下珘φ混合序列的一类强大数定律,推广了若干已有的强大数律。     

一种乱序算法及其应用

所谓"乱序",跟"排序"相反,即要故意搞乱一组数据的顺序。排序的作用是为了能更方便更顺利地找到某个数据,当数据量很大的时候,在排好序的数据中检索数据效率是特别高的,而乱序却是为了增加随机性,体现它的乱处。事实上,乱序在生活中也是有很大的应用价值的。     

一类正整数是否为孤立数研究

设σ( n )是正整数n的所有正约数之和。如果正整数n,m满足σ( n )=σ( m )= m +n,则( m,n)被称为一对相亲数。相反地,对于给定的正整数n,若不存在任何正整数m满足σ(n)=σ(m)= m+n,则称n为一个孤立数。讨论了正整数Sn =12(92n +1)是否为孤立数的问题,证明了其是孤立数的结论,其中n是任意的正整数。     

基于语言D数优先加权算子的多准则决策方法

定义了语言D数及其运算法则、得分函数和修正得分函数以及语言D数的优先加权平均(LD-PWA)算子,并针对准则具有优先关系且准则值为语言D数的多准则决策问题,提出了一种基于LD-PWA算子的多准则决策方法.该方法通过语言D数值的修正得分函数值得到其优先级权重,利用LD-PWA算子确定方案的综合准则值,并由语言D数的得分函数计算得到综合准则值的排序,进而确定方案的排序.实例分析验证了该方法的有效性和可行性.     

实例检索中基于混合属性距离的相似性度量

提出了一种基于混合属性距离的相似性度量方法.利用各个属性间的距离及其组合权重求得实例间的总体距离,再用实例间的总体距离来刻画其相似程度.基于区间数的距离计算公式和模糊集合理论,给出了属性值为模糊数、模糊区间数时的距离公式,并改进了属性值为隶属度函数时的距离公式.同时考虑了属性权重问题,提出了一种基于距离离差信息的客观赋权方法,将主观权重和客观权重加以组合,以组合权重来计算实例的全局相似度.以阀门的概念设计为例,验证了该方法在实例检索中的的可行性和合理性.     

关于不定方程x~2-6y~2=1与y~2-Dz~2=4的公解

利用递归序列、Pell方程的解的性质、Maple小程序等,证明了D=2~n(n∈Z+)时,不定方程x~2-6y~2=1与y~2-Dz~2=4:(i)n=1时,有整数解(x,y,z)=(±485,±198,±140),(±5,±2,0);(ii)n=3时,有整数解(x,y,z)=(±485,±198,±70),(±5,±2,0);(iii)n=5时,有整数解(x,y,z)=(±485,±198,±35),(±5,±2,0);(iv)n≠1,3,5时,只有平凡解(x,y,z)=(±5,±2,0).