关于局部对称拟常曲率黎曼流形上极小子流形

本文主要研究了局部对称拟常曲率黎曼流形N^n＋p 中的紧致极小子流形Mn，得到了局部对称拟常曲率黎曼流形关于第二基本模长平方和截面曲率的拼挤常数。     

φ-截曲率为常数的Sasaki统计流形中子流形的广义标准δ-Casorati曲率不等式

对φ-截曲率为常数的Sasaki统计流形中的子流形建立关于广义标准δ-Casorati曲率的不等式, 并给出不等式中等号成立的条件.     

S7上保持正曲率的3维塌缩

证明了七维欧氏球面S7上存在一系列正曲率度量,使得在Gromov-Hausdorff收敛的意义下塌陷到S41/2,即常曲率为4的四维单连通空间型.     

具有迷向S-曲率的指数度量

研究了Finsler几何中一类特殊(α,β)-度量-指数度量F=αeks的S-曲率性质.笔者通过把指数度量的S-曲率与其特殊S-曲率的表达式进行比较,采用代数方程公式运算的方法,分析方程因式指数的变化,得到了指数度量具有迷向S-曲率的充要条件:指数度量具有迷向S-曲率当且仅当它具有迷向平均Berwald曲率.此时,该度量的S-曲率为零,且是弱Berwald度量.结论表明:对于这类特殊的(α,β)-度量来说,它的曲率性质较简单,即它有迷向S-曲率等价于它有迷向平均Berwald曲率,等价于它具有为零的S-曲率.     

一种基于属性相关性度量的朴素贝叶斯分类模型

本文通过分析属性相关性的度量和属性约简,提出一种基于属性相关性度量的朴素贝叶斯分类模型EANBC。实验结果表明,与朴素贝叶斯分类模型相比,EANBC分类模型具有较高的分类正确率。     

Numerical Experiments and Structural Transformation of NonLinear Evolution in Illposed Systems

Numerical experiments on nonlinear equations of the 1st and 3rdorder derivatives have been carried out through structural analyses in the phase space according to the numerical instability of illposed systems, with changes of initial values and parameters, etc.. The results show that the quantitative instability in an illposed system may reveal reversed transformation in system evolution by structural representation, and confirm A·Dauglas’ theorem that “a nonlinear equation does not satisfy the existence of the initial value in a linear wellposed system”.     

面向重用的三维CAD模型检索算法

针对现有CAD领域的检索算法对模型的局部细节特征描述不足的现状,提出了一种基于最大公共子图的三维CAD模型检索算法,通过提取CAD模型的B-Rep信息,将模型用属性邻接图来表示.根据如果2个CAD模型存在相似的特征或局部结构,CAD模型所对应的属性邻接图应存在公共子图的原理,通过检测属性邻接图中的公共子图,得到了2个与CAD相似的局部细节特征,并利用这2个相似的局部细节特征对CAD模型进行了相似性评价.实验表明,该方法能够实现三维CAD模型检索,且检索的效率能够满足工程检索的要求,因此可以实现CAD模型设计和制造知识的重用.     

基于M-ANFIS-PNN的目标威胁评估模型

目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。     

基于启发式信息熵的粗集数值属性离散化算法

在一致性假设前提下,以数据集的统计性质作为启发式知识,从候选离散点集中选择离散点,根据数据集的期望值和方差来确定搜索最优离散点的区域,提出一种新的基于信息熵粗集数值属性离散化算法,并采用UCI国际标准数据集来验证新算法.新算法与已报道的算法所得到的离散断点集完全一致,决策表的离散化结果也相同,但时间代价不同,新算法比其计算效率提高40%～50%.     

5维复射影空间的完备共圆平坦K(a)ehler子流形

研究5维复射影空间的完备共圆平坦K(a)ehler子流形,得到了局部结构与关于数量曲率的拼挤常数.