基于海明距离的直觉模糊粗糙集相似度量方法

针对直觉模糊粗糙集的相似度量问题,提出了一种基于海明距离的直觉模糊粗糙集相似度量方法。首先给出了两个直觉模糊粗糙值问的相似度量方法,并揭示了它的若干重要性质。然后,在此基础上,又提出了一种基于海明距离的直觉模糊粗糙集相似度量方法,并证明它也具有同样的性质。最后用数值算例验证了这种方法的有效性。     

Vague集的新相似度量方法

本文指出了现有Vague集相似度量方法的不足,提出一种新的Vague集相似度量方法,并证明了它的有效性.     

一个基于未知度的Vague集（值）相似度量新方法

相似度是研究和应用Vague集(值)的重要工具.分析了现有Vague集(值)之间的相似度量方法,揭示了这些方法不能准确刻画Vague集(值)之间相似度量的本质,并总结了相似度量的一般准则,指出了影响Vague集相似度量的3个因素.在此基础上充分考虑了未知度,它为Vague集之间的相似度提供了一种更好的度量方法.最后用实例说明其应用以及该方法的有效性和直观性.     

基于Kleene-Dienes蕴涵算子的Vague集相似度量方法

通过分析现有Vague集相似度量方法,指出这些相似度量方法的不足之处。根据Kleene-Dienes蕴涵算子及其否定算子的包含和相交关系,提出一种基于Kleene-Dienes蕴涵算子的Vague集相似度量方法,并证明该方法满足相似度量的条件。通过与现有相似度量方法的比较,说明该相似度量方法能克服现有相似度量方法的缺陷,能够有效区分数据,具有一定的优越性,为研究Vague集相似度量方法提供了一种新的思路。     

多元时间序列相似性搜索研究综述

多元时间序列相似模式挖掘是数据挖掘领域的研究热点,它主要包括特征表示、相似模式度量和相似性搜索3个方面.目前,大部分研究成果主要集中在特征表示和相似模式度量,相似性搜索则成为制约问题突破的关键环节.为此,主要针对多元时间序列的相似性搜索进行综述,归纳了主要的相似模式度量方法,对比了不同相似模式度量下的序列搜索方法,并分析了不同方法的优缺点,以期为进一步研究多元时间序列相似性搜索提供帮助.     

基于最大最小值的Vague集相似度量方法

通过分析现有Vague集相似度量方法,指出这些方法虽然满足相似度量基本准则,但是在描述Vague集相似性上存在不足之处,并且度量的准确度较低,在分析Vague值的支持度、反对度及其补集之间的最大最小值关系的基础上研究Vague集相似度量方法,给出一种新的Vague集相似度量方法,并证明该方法满足相似度量的基本准则。通过与现有相似度量方法的比较,说明该相似度量方法克服了现有相似度量方法的不足,符合人们的直观感受,能够合理、有效地区分数据。     

一类新Vague集相似度量

Gau和Buehrer提出Vague集概念以来,为刻画两个Vague集(值)之间的相似程度,一些vague集的相似度量方法被提出来,然而在有些情况下,有些度量方法存在一些不足之处。一些反例首先被给出,如文献[7]提出的vague集相似度量在有些情况下是失效的,然后证明了一个引理,以此为基础提出一种新的相似度量计算方法,通过引入两vague集间的lp距离公式将它推广到更一般的情形,得到一类Vague集相似度量公式。     

Vague集之间相似度量的新方法

Vague集的相似度量是Vague集在各个应用领域中的关键技术。论文根据相似工程学原理,指出一个相似度量必须满足的约束条件,提出一种改进的Vague集相似度量公理化定义,然后引入一种新的Vague集相似度量方法,并证明它满足这些公理化条件。最后,用实例说明其应用以及该方法的有效性和直观性。     

考虑犹豫度的Vague集相似度量方法

研究了本刊2008年第4期王伟平的论文“Vague 集之间相似性度量的基本准则与一般方法”中的Vague集间相似度量方法的优点和不足,考虑到犹豫度之差对相似度的影响,提出同时考虑真隶属度、假隶属度、相对优势、犹豫度之和以及犹豫度之差的Vague集相似度量方法,并证明王伟平相似度量方法的不足和新相似度量方法的优点,并把新相似度量方法应用于病症诊断中。     

基于距离意义下的Vague集相似度量比较研究

目前已有多种Vague集相似度量计算方法被提出来,但它们都是一种实验计算方法,论文首先设计了一组实验数据对它们进行实验分析,得出基于距离意义下各个相似度量的评价,发现闫等(2004)方法的性能不稳定,并指出产生这种局限性的原因,在证明一个引理的基础上提出一种新的度量方法,它实际上是对闫方法基于距离意义下的改进。最后从理论上将它和Hong的方法进行比较分析。     

小波分析在旋转机械故障诊断中的应用

通过对相关理论的分析证实了旋转机械的故障振动信号基本上是一个复合信号。该复合信号包含多个信号分量，每个信号分量都具有一个单一的频率，每个单一频率都是由旋转机械的旋转频率决定的。如果知道旋转机械的旋转频率，就可以知道这些单一频率。通过对小波理论的分析，证明了在一定的情况下小波分解的频率范围由离散信号的采样频率决定。结合以上理论，提出了一种新的信号检测和分析方法。     

基于项的协同过滤在推荐系统中的应用研究

分析基于项的协同过滤在推荐系统中应用及所存在的问题,提出了一个基于项的协同过滤改进算法,并给出了改进算法在标准数据集上的实验结果,对改进算法与原算法进行了相关性能的比较分析,证明了改进算法的有效性.最后,对研究进行了总结,指出存在的不足,提出了进一步研究的方向.     

一种基于支持系数的Vague集（值）相似度量新方法

对现有的一些Vague集（值）相似度量算法进行分析,指出了这些方法在计算相似度方面的片面性与局限性。通过对Vague集中元素的未知度进行分析,并引入支持系数来调节未知信息对真、假隶属度的影响,从而提出了新的Vague集（值）相似度量算法,通过模式匹配的实例验证了该算法的实用性。通过与以往的一些算法进行比较,充分证明了新算法的合理性与有效性。     

正交多项式拟合在EMD算法端点问题中的应用

经验模态分解(EMD)是由Huang等人提出的一种全新的针对非线性非平稳信号处理的算法.通过EMD,可以把一个信号分解为若干个固有模态函数(IMF),再将这些IMF进行希尔波特变换,从而得到具有真正意义的瞬时频率,因此解决了传统信号处理方法的不足之处。与此同时,EMD算法是一个全新的算法,本身也存在不足,如端点问题。文章在现有的解决方法的基础上,提出了用正交多项式拟合的方法来解决EMD的端点问题,并通过和已有算法的比较来证明这种方法的有效性。     

灰关联度聚类算法在图像检索中的应用

针对K-means聚类算法和相似度计算在实际应用中存在的问题,提出一种基于灰关联度的聚类算法,并将它应用于回转窑图像检索中。介绍了灰关联度及基于灰关联聚类的基本原理,给出了相应的算法,并采用VC++6.0实现。实验证明,该方法不仅在一定程度上克服了欧氏距离的缺陷,而且能够反映各属性间的影响,具有可行性和有效性,有利于实现图像的快速检索。     

光电编码器信号抗干扰算法

单片机与光电编码器接口在许多场合得到应用，但在单片机接收光电编码器信号过程中，由于环境的影响，往往会出现一些机械抖动干扰和电气干扰，从而造成误计数。文章提出了一个新算法，可以有效地消除抖动和干扰的影响。通过实际运行证明，该方法可靠性好，成本低廉。     

一种基于未知度的Vague集相似度量新方法

分析了现有的相似度量方法,提出了一种基于未知度Vague集相似度量的方法,证明该方法满足基本准则,通过实例与现有相似度量方法的比较,说明新的方法区分能力较高,具有一定的有效性和优越性。     

Vague集相似度量方法

提出一种新的Vague集相似度量方法,并证明了它满足若干准则。指出了现有方法的不足,并通过实例说明了该方法的有效性和优越性。     

基于四阶非线性扩散方程的新型图像去噪方法

提出了一种基于新型扩散系数函数的图像去噪方法,这种扩散系数函数是利用图像特征的一些特殊性质构造出来的。该函数较常用的P-M启发性扩散系数函数,在图像去噪的过程中,不仅能更好地抑制、平滑噪声,较完整保留了图像的细节,使图像更平滑清晰,而且还大大降低了参数的选取难度以及参数对实验效果的影响程度。并通过基于该方法的四阶非线性扩散的图像去噪实验,结果表明了该方法的有效性。     

The modulus-based nonsmooth Newton’s method for solving a class of nonlinear complementarity problems of <Emphasis Type="Italic">P</Emphasis>-matrices

By applying the Newton’s iteration to the equivalent modulus equations of the nonlinear complementarity problems of P-matrices, a modulus-based nonsmooth Newton’s method is established. The nearly quadratic convergence of the new method is proved under some assumptions. The strategy of choosing the initial iteration vector is given, which leads to a modified method. Numerical examples show that the new methods have higher convergence precision and faster convergence rate than the known modulus-based matrix splitting iteration method.