理想气体量子统计到经典统计的过渡

利用量子统计力学方法得到的理想气体的巨势表达式,研究了理想气体的热力学性质,讨论了理想气体量子统计结果的经典极限。     

异质数据集关联规则挖掘

针对存在的关联规则挖掘算法不能有效地在异质数据集中进行,本文首先使用领域本体方法处理数据集中的异质现象,然后提出了一种有效的XML异质数据集关联规则挖掘算法,实验结果表明该算法在挖掘速度和挖掘时在对内存的占用方面都优于现有的算法。     

一、二、三维氢原子能级及其斯塔克效应的研究

讨论了一维,二维氢原子的能级特点及研究了在弱均匀外电场中能级的分裂情况,并将它们与三维氢原子进行比较,可以看出一维,二维,三维氢原子的能级及其斯塔克效应有许多不同之处。从对称性的角度讨论了能级简并被解除的原因。     

代价敏感学习的过度拟合问题研究

代价敏感学习算法的目的是最小化各种代价总和,与其他学习算法一样,它必须面对过度拟合这个挑战性问题,即分类器可以较好地拟合训练数据,但对测试或实际数据的效果较差.针对代价敏感学习的这些缺点,提出两个克服过度拟合的策略.第一个滤波技术策略针对TCSDT分类建立,滤波后的概率估计值被用于对每个分离属性的潜在误分类代价计算,并延缓潜在大误分类代价的分离属性的优先选择,最后,采用交叉验证方法决定m的值.第二个策略与基于标准错误的Laplace剪枝方法不同,阈值剪枝采用一个预先定义的阈值集合(跟代价有关)来确定决策树的一个叶节点是否被剪除.这两策略可独立或联合用于避免TCSDT分类的数据过度拟合.实验表明,所提出的两算法不但在代价敏感学习中有优势,在非代价敏感学习也具有优势,可以有效地减弱过度拟合,有很强的健壮性,UCI数据集实验结果显示算法的拟合能力平均优于存在方法10%以上.     

Burgers方程的格子Boltzmann方法模拟

用一维格子Boltzmann方法构造O(ε^4)的Burgers方程模型．格子Boltzmann方法的数值模拟结果与具有特定边界条件的Burgers方程的解析解精确吻合．