对模糊随机向量凸集的定义及探讨

在模糊随机变量的基础上引入了模糊随机向量凸集的概念,给出了几个模糊随机凸集的例子.     

E-凸集,E-凸函数和半-E-凸函数

在文献[1-2]中,已经对E-凸集,E-凸函数,半-E-凸函数进行了研究,得出了一些性质.本文在此基础上对它们进行了再次研究,得出了一些新性质,完善了这类非凸集和非凸函数.     

概周期函数的运算与模包含关系

根据概周期函数的2个等价定义及指数集、频率模的定义,利用2个概周期函数频率模的包含与概周期集、正规性之间关系的定理,运用数学分析的方法,讨论了2个概周期函数频率模的包含关系在某些运算下的变化情况,得出一些有助于研究概周期函数性质及概周期微分方程的结论．     

一类算子的换位代数的K-群

Hilbert空间X上的有界线性算子K称为紧算子,若K(B1)的闭包—↑K（B1）在X中是紧集,其中B1是X中的单位球,得到了若X上的有界线性算子S的换位代数d′(S)=CI R,(其中：C是复数域;I是R上的单位算子;R是所有与S可交换的对角线为0的紧上三角有界线性算子的集合),则K0(d′(S))同构于整数群Z。     

随机模糊系统的描述

研究了随机模糊集的一些性质．利用随机模糊集理论对一类具有随机性和模糊性的系统进行了初步的探讨     

极限与无穷小辨析

极限与无穷小是微积分中的基本概念,是整个微积分学的理论基础.极限是运动与静止的统一;极限可以被看作是函数变换器;极限是连接有限与无限的桥梁.极限与无穷小有着密切的关系,借助于极限,可以深刻地理解无穷小的本质.反过来,无穷小思想也是对极限思想的补充.深刻地理解极限和无穷小的实质,对学习微积分是十分必要的.     

基于软集理论驱动的毕业生推荐系统研究

网络技术的发展为毕业生与企业之间的顺利沟通提供了支持,但大多数招聘或推荐平台依然是各自"表演"的模式,缺乏有效对接.面向毕业生与企业的直接需求、核心需求,在软集理论驱动的基础上,构建一个智能的、支持决策的毕业生推荐平台.该平台允许用户自主设置属性及属性排序,对推荐结果进行优劣排序,使得推荐结果更加客观全面,符合大学生及企业的需求.最后实验表明该方法具有较高的性能.     

数据挖掘技术在全断面掘进机故障诊断中的应用

分析了全断面掘进机复杂的故障机理和运行参数,研究了将粗糙集和决策树应用到数据挖掘中的方法.以全断面掘进机刀盘的一些实时数据为例,采用MATLAB 7.0对数据进行离散化处理,结合粗糙集属性约简的算法对故障样本进行冗余属性的约简;然后,利用决策树算法对约简后的故障样本集进行规则提取,利用数据挖掘工具Clementine实现了C4.5算法和改进的C4.5算法,对其结果进行了对比分析;最后,运用VB编程对全断面掘进机采集的部分数据进行测试,结果表明该融合算法是一种快速、有效、可靠的故障检测与诊断的新途径.     

基于初始划分的标签传播社区发现算法

采用标签传播算法进行社区发现时间效率高,无需人工参数,但容易产生精度限制的问题.研究了启发式的标签传播算法,快速地进行社区的初始划分,大量减少了初始标签的个数,进行标签迭代传播来修正初始划分得到最终的社区.理论分析和实验证明这种方法在不增加时间复杂度的情况下,提高了准确率,并有效消除了精度限制的现象.     

粗糙集方法在基于属性分类中的应用

介绍粗糙集基础上的属性分类系统的构造,给出一种数据挖掘中新的分类方法:从初始的数据信息出发,依次构造约简属性集,并对其使用Bayes判别法进行基于属性的分类。最后给出了实例,验证算法的可行性。