偏序集上拟压缩映象的一个不动点定理及应用

证明了偏序集上拟压缩映象的一个不动点定理,将偏序集上的单调映象不动点的存在性推广到拟压缩映象的情形,并应用此结果得到了在一定条件下一对耦合映射的不动点的存在性.     

水轮发电机组振动故障模糊诊断方法研究

根据水轮发电机组的振动特点 ,探讨了适合于水轮发电机组的振动故障诊断方法 ,即模糊诊断法。并提出了在应用模糊诊断方法进行振动故障诊断过程中 ,动态建立模糊关系矩阵的新见解。     

科学与艺术的结晶《Mandelbrot-Julia混沌分形图谱》——五大宇宙定律与时空谱

提出了一种具有Mandelbrot-Julia混沌分形图谱的曼德布罗特(Mandelbrot)混沌分形时空观,对经典的逃逸时间算法加以改进,提出了旋转逃逸时间算法,构造了一系列由复映射变换f1(z)=zm+c(m≥2,m∈N)和f3(z)=zω+c(ω=α+iβ)所确定的广义Mandelbrot集(简称M-集或M-分形图)及其对应的Julia集(简称J-集或J-分形图),提供了对其深入研究的新现象、新图形和新规律"图中嵌图、形中镶形、拉压与折叠、统计自相似、无限周期有稠性、混沌分形有新序".算法利用面向WEB的Java Applet技术实现,提供了一种基于Internet的分布式混沌分形理论研究机制.     

改进的差别矩阵及其求核方法

粗糙集方法提供了一种新的处理不精确、不完全与不相容知识的数学工具．属性约简是粗糙集理论的重要研究内容之一,而现有的很多属性约简算法都是从信息系统(或决策表)的核开始．针对HU利用差别矩阵求解粗糙集中的核方法的错误,叶东毅提出了新的差别矩阵及其求核方法,但计算代价高．为此,给出了改进的差别矩阵定义和求核方法,该方法纠正HU方法的错误,且可有效地降低计算代价．     

水轮发电机组故障诊断模糊专家系统研究

针对水轮发电机组故障原因与症兆之间的复杂关系,充分利用综合监测数据和领域专家的经验知识,采用数据驱动和基于知识的目标驱动控制的正反向推理方法进行诊断.研究了基于数据库管理系统的模糊知识库设计,为知识库的建立、维护、扩充和完善提供了一种实用方法.研究了模糊推理算法,以加权模糊推理进行多种信息的融合,解决了故障诊断中不确定性问题的求解.建立了水轮发电机组故障诊断模糊专家系统.诊断实例结果表明,该系统推理效率高,可信度好,满足了水轮机组故障诊断的有效性和实用性要求.     

超凸度量空间中的极大极小不等式和拟变分不等式

用连续迭取方法得到了超凸距离空间上集值映射的一个不动点定理。作为应用，给出了超凸距离空间中的一个极小极大定理和广义拟变分不等式解的一个存在性定理。     

改进的BP网络在汽轮发电机组故障诊断中的应用

提出了一种恒误差修正率控制的网络学习率和动量系数自适应调整方法，克服了网络训练收敛时间长和陷入局部最优的缺点；并根据大型汽轮发电机组振动故障的特点，建立了改进的BP网络故障诊断模型，对一实际汽轮机发电机组振动故障事例的诊断结果表明，该方法有效地提高了故障诊断的精度和可靠度。     

A hybrid genetic algorithm for reduct of attributes in decision system based on rough set theory

Knowledge reduction is an important issue when dealing with huge amounts of data. And it has been proved that computing the minimal reduct of decision system is NP-complete. By introducing heuristic information into genetic algorithm, we proposed a heuristic genetic algorithm. In the genetic algorithm, we constructed a new operator to maintaining the classification ability. The experiment shows that our algorithm is efficient and effective for minimal reduct, even for the special example that the simple heuristic algorithm can't get the right result.     

一类Sierpinski海绵的Hausdorff测度

对每一个ｍ≥１,定义一个Ｓｉｅｒｐｉｎｓｋｉ海绵,它们的Ｈａｕｓｄｏｒｆ维数为１,它们的１－维Ｈａｕｓｄｏｒｆ测度被完全确定．     

基于规则的神经网络在模式分类中的应用

针对模式分类任务,提出一种基于粗糙集规则的神经网络构造方法.首先,利用粗糙集理论和遗传算法约简输入特征,在尽量保持分类能力不变的情况下降低条件属性维数,并推导出简练的分类规则集合.然后,以规则集为基础构造BP神经网络结构、确定网络层数、输入输出节点数等,并计算规则的条件属性重要度和依赖度2个参数对连接权值进行初始化.最后,通过一个实例验证了方法的有效性,结果表明该方法能有效解决传统神经网络构造难、解释难、过拟合等问题,提高了分类精度,降低了训练时间.此外,初步探讨了网络训练时对知识提炼的影响.