具有自学习功能的电力负荷模糊推理预测

考虑到电力负荷预测问题中存在的不确定性,采用模糊推理预测方法进行负荷预测的研究。该方法利用电力最高负荷和国内生产总值的历史数据建立模糊推理规则,从而进一步建立最高负荷跟国内生产总值之间的模糊蕴涵关系,通过模糊推理得到了负荷预测结果。为了使模型能够象专家一样不断地总结新的经验并调整原有的经验,模型克服了其它模型中知识的凝固性,具有自学习功能。利用某些区的实际数据进行分析计算,得到了满足的结果。     

用于数据挖掘的粗集产生多重知识库的方法

提出了一种用于数据挖掘的粗集产生多重知识库的方法．该方法基于粗集理论的简化和决策矩阵．首先从知识表示系统中消除冗余属性,产生简化表,形成简化的知识表示系统,提高学习的有效性和精确性．然后从简化表中推导出决策矩阵,通过决策矩阵获取最小决策规则,计算包括所有必需属性的简化集合,给出计算最小决策规则和计算多重简化的算法．最后由相应的简化对最小决策规则进行分组形成多重知识库,给出产生多重知识库的算法．     

利用初等行变换求极大无关组的一些条件

本文讨论利用初等行变换求行向量组的极大线性无关组的方法,澄清一些线性代数教学用书中存在的一种模糊认识,并给出修正后的方法。     

关于Scott拓扑的core紧性

ＤＣＰＯ Ｌ被称作Σ－ｃｏｒｅ紧的,如果当Ｌ赋以Ｓｃｏｔｔ拓扑后是一个ｃｏｒｅ紧空间,长期以来,从序结构的角度刻划那些Σ－ｃｏｒｅ紧的ＤＣＰＯ一直是悬而未解的问题。在一定的限制条件下讨论上述问题,并得到了一些结果。     

Fuzzy导集算子与Fuzzy拓扑

在Ｉ＾Ｘ上,定义了Ｆｕｚｚｙ半导集算子与Ｆｕｚｚｙ导集算子,讨论了它们与拓扑的关系,借助于文献（３）中提出的强导集概念,得到：若ｄ是Ｘ的Ｆｕｚｚｙ导集算子,则在Ｘ上唯一存在一个Ｆｕｚｚｙ拓扑ｆ,使得（Ｘ,Ｆ）是Ｆｕｚｚｙ准Ｔ０空间,且在（Ｘ,Ｔ）中Ｆｕｚｚｙ集Ａ的强导集恰是Ａ在ｄ下的像ｄ（Ａ）。     

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。     

Apriori算法的一种变形

关联规则是数据挖掘的主要技术之一.本文针对目前最经典的关联规则挖掘Apriori算法的局限性,提出了一种只扫描一遍事务数据库的效率较高的Apriori_Tid-1算法,并给出了一个具体的实例,最后给出了该算法的实现.     

基于粗糙集理论的复方拆方研究

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具，其主要思想就是在保持分类能力不变的前提下，通过知识约简，导出问题的决策和分类规则．因此，将粗糙集理论引入复方拆方，将有助于从复方配伍的动态性和不确定性的本质上去深入而确切地开展方剂配伍规律的量化研究，从而改变药味与药效之间的分离状态．     

基于克隆选择的粗糙集属性约简方法

基于免疫克隆选择的原理，提出了一种新的粗糙集属性约简方法，将属性集合的分类近似质量作为进化目标，利用免疫反应的分布性特点通过局部并行搜索实现全局优化，并采用抗体更新和亲和力抑制手段来维持群体的多样性，保证了各抗体局部优化解的稳定性，从而获得了多个优化约简集合，通过机械故障诊断数据的实例应用，表明该方法可以获得多个符合分类质量要求的属性约简集合，因此满足了设备故障诊断的特征优化选择要求。     

多维频繁项集计算方法及应用

对多维关联规则中混合维关联规则数据挖掘技术进行了探索，实现了基于多维频繁项集进行多维关联规则数据挖掘的一种实用高效的方法，文中基于多维的频繁项集的挖掘算法主要分为2个步骤，并在高校学生信息系统中给予具体运用．