不分明化拓扑中的仿S—闭性

在不分明化拓扑中定义了正闭集,并用正则闭集和半开集刻画了仿Ｓ－闭性。．     

四阶半线性椭圆型方程解的极值原理

文章主要建立了四类四阶半线性椭圆型方程解的极大值原理,并得到了相应边值问题的解的唯一性定理。     

逆序的Beckmann城镇等级一规模模式及其对位序一规模法则的解释力

在没有改变Ｂａｃｋｍａｎｎ１９５８年提出的城镇等级一规模（ｈｉｅｒａｒｃｈｙ－ｓｉｚｅ）模式任何假设前提的情况下,给出了一个与贝氏的城市级别顺序相反的贝氏模式．此模式反映的城镇等级一规模特征与位序一规模法则的验证结果十分相近．这样一来,不仅解释了位序一规模法则,而且将中心地方论及其有关研究与城市规模分布的相关研究有机地结合在一起．     

广义M集演化的研究

阐述了由复映射ｚ←ｚα＋ｃ(α∈Ｒ)所构造的广义Ｍａｎｄｅｌｂｒｏｔ集(简称广义Ｍ集)的定义;通过改变参数α,作出了一系列广义Ｍ分形图;研究了广义Ｍ集的分形结构特征及其演化过程,发现相角θ范围的不同选取导致了广义Ｍ集的不同演化,并首次给出广义Ｍ集的４种演化过程·     

基于向量模糊模式识别的纹理图像分割方法

提出了一种基于同步自回归（ＳＡＲ） 模型和模糊信息原理进行纹理分割的方法．利用二阶ＳＡＲ模型对图像纹理进行描述,用最小平方误差方法对模型参数进行估计,将估计的参数作为纹理的特征向量．根据模糊信息原理,分析了纹理图像的模糊特性,给出了一种基于向量模糊集合簇模糊模式识别的纹理分割方法．实验结果表明,用所提出的方法进行图像纹理分割取得了较好的分割效果．     

试论概念间的相容与不相容关系

力求通过概念之间关系的探讨,理清概念间相容与不相容以及它们的层次关系,使人们对概念及概念的层次、相容等关系有一个清楚的了解,以指导工作实践     

系统参数重要性评价方法

系统参数的重要性评价十分重要,本文首先讨论了通过计算特征参数的离差来分析系统参数重要性的Ｋ-Ｗ检验方法,研究了利用信息论中不确定性概念来计算熵与分类的关系的方法,以及通过计算系统参数的之间的依赖性和不可分辨性与识别系统的关系来衡量系统参数重要性的粗集理论分析方法,最后,我们给出分析属性重要性的例子,分析和比较他们之间的关系。     

一种适用于不均衡数据集分类的KNN算法

传统的K-最邻近(K Nearest Neighbor,KNN)分类算法在处理不均衡样本数据时,其分类器预测倾向于多数类,少数类分类误差大。针对此问题从数据层的角度改进了传统的KNN算法。先通过K-means聚类算法将少数类样本聚类分组,将每个聚类内的样本作为遗传算法的初始种群;再使用遗传交叉和变异操作获取新样本,并进行有效性验证。最终获取到各类别样本数量基本均衡的训练样本集合。实验结果表明此方法有效改善了KNN算法对少数类分类效果。此法同时适用于其他关注少数类分类精度的不均衡数据集分类问题。     

一种低序级断层识别方法及应用

低序级断层使含油断块的油水关系复杂化,尤其是对于单砂体空间分布连续性较差、砂体内部结构非均质性明显的区块,低序级断层的识别对于寻找有利井位、解决注采矛盾非常有利。在卫星油田卫21区块为单一背斜构造基础上,采用葡萄花油层组密井网资料,考察分析同一井排井资料反映的葡顶构造位置的相对变化趋势,结合地震剖面,有效地实现了该区块低序级断层的识别,为加密井方案设计提供依据。     

一种基于粗糙集理论的XML数据挖掘模型

随着大量的XML数据的出现,给数据挖掘领域提出了新的挑战。传统数据挖掘是基于关系数据库和数据仓库的,如何挖掘出XML形式的数据成为研究的热点问题。由于XML文档是一种半结构化数据,使用传统的数据挖掘方法对XML数据进行挖掘是不适用的。提出了一种基于粗糙集理论的XML挖掘模型,并进行了实验,结果表明利用粗糙集理论对XML数据挖掘是可行的。