分数频率复用的帧结构及性能分析

针对现代无线通信系统在干扰控制方面越来越高的要求,利用通信帧中子载波的重新分配,提出了帧结构设计中一种新的分数频率复用方法—时频分分数频率复用,并将其与传统的分数频率复用方式进行比较。这一新方法是在对系统容量进行建模之后,综合资源块分配中的时分和频分模式提出的,其对应的帧结构相对于传统的FFR具有更高的调节粒度。实验结果验证了这种设计以少量系统容量为代价,在提升系统公平性、提高边缘用户吞吐率方面的性能优势。     

基于相容关系的基因选择方法

有效的基因选择是对基因表达数据进行分析的重要内容。粗糙集作为一种软计算方法能够保持在数据集分类能力不变的基础上,对属性进行约简。由于基因表达数据的连续性,为了避免运用粗糙集方法所必需的离散化过程带来的信息丢失,将相容粗糙集应用于基因的特征选取,提出了基于相容关系的基因选择方法。首先,通过i检验对基因表达数据进行排列,选择评分靠前的若干基因;然后,通过相容粗糙集对这些基因进一步约简。在两个标准的基因表达数据上进行了实验,结果表明该方法是可行性和有效性的。     

可拓K近邻算法在数据聚类分析中的应用

针对区间值数据的数据聚类问题,根据可拓学关联函数的定义,提出可拓距离的概念来度量数据之间的距离,利用K近邻的思想,根据可拓距离的大小对数据集的目标属性进行投票选择进行分类,设计了可拓K近邻算法（Extension K Nearest Neighbor,EKNN）。最后利用UCI的两个基准数据集Iris植物样本数据和糖尿病数据库PIDD进行验证,首先通过免疫网络约简算法对条件属性进行最小属性约简,然后利用EKNN算法分析和比较不同最小约简属性下的分类准确率。     

基于分辨矩阵和约简树的增量式属性约简算法

为了对动态变化的决策表进行高效属性约简处理,在改进的分辨矩阵的基础上提出一种基于约简树的增量式属性约简算法IRART,该算法首先根据序贯属性约简算法对原决策表构造约简树,然后求出新增对象的分辨向量,并利用此向量对约简树进行修整,从而快速得到新决策表的所有约简,最后通过示例证明了这种算法的有效性。与传统增量式属性约简算法相比,该算法避免了复杂的逻辑演算,提高了属性约简的更新效率,理论分析表明该算法是有效可行的。     

一种基于邓氏关联度的图像边缘检测新方法

边缘检测主要是对图像的灰度变化进行度量、检测和定位。基于边缘检测的灰色系统理论中的邓氏关联度分析方法对处理非典型规律的图像数据与其它一些方法相比,具有明显的优势。根据邓氏关联度分析方法建立的改进模型,结合仿射变换和最小二乘法直线拟合,一定程度上克服了邓氏关联度分析方法的比例因子影响和位移差,实验证明在检测边缘点的连续性、完整性方面比用邓氏关联度模型检测的边缘有一定的改进。     

基于模糊理论的智能呼叫决策系统的研究与设计

针对呼叫系统中接入控制的决策问题,从影响呼叫客户重要性的四个因素出发,构造了客户重要程度评估集,并提出了在呼叫系统中基于模糊综合评判的呼叫评估方法及相关算法实现,较好地解决了处理客户呼叫的问题,然后设计了智能呼叫决策系统,最后通过与非智能化系统的损失量比较,验证了该智能决策系统的有效性和可行性。     

粗糙集信息观与代数观联系研究

粗糙集的信息观和代数观是通过不同的方式来定义知识的,两种观点在绝对约简中完全等价,但是在相对约简中,两种观点的关系并不明确。文章研究了两种观点在相对约简中的关系,证明了两种观点在相容决策表中完全相同,而在不相容决策表中,信息观的现有定理存在错误,也就是说信息观不适用于不相容决策表。     

基于BP网络的洪灾风险评价算法

为了解决洪灾风险评价问题,文中在分析传统洪灾风险评价算法不足的基础上,结合BP网络特点,提出了基于BP网络的洪灾风险评价算法（Flood Risk Evaluation algorithm on BPNet,FRE—BPN）,同时为了解决BP算法对复杂高维样本数据建模效率差、精度低的缺陷,利用粗糙集对BP网络进行约简。仿真实验表明,粗糙集约简使得BP网络大大降低了洪灾风险评价模型建立的复杂度,同时FRE-BPN算法对洪灾数据集进行风险评价时的平均耗时大大下降。     

分功率因数电能表的设计

设计了一种分功率因数电能表。该电能表是采用实时功率因数调整电费方法的一种新型电子式电能表,目的是解决目前所使用的月平均功率因数法不能真实反映用户实时功率因数的缺陷,并利用经济杠杆的手段激励用户改善功率因数,从而达到提高电网运行质量的目的。     

Dominance-based rough set approach and knowledge reductions in incomplete ordered information system

Many methods based on the rough set to deal with incomplete information systems have been proposed in recent years. However, they are only suitable for the incomplete systems with regular attributes whose domains are not preference-ordered. This paper thus attempts to present research focusing on a complex incomplete information system—the incomplete ordered information system. In such incomplete information systems, all attributes are considered as criterions. A criterion indicates an attribute with preference-ordered domain. To conduct classification analysis in the incomplete ordered information system, the concept of similarity dominance relation is first proposed. Two types of knowledge reductions are then formed for preserving two different notions of similarity dominance relations. With introduction of the approximate distribution reduct into the incomplete ordered decision system, the judgment theorems and discernibility matrixes associated with four novel approximate distribution reducts are obtained. A numerical example is employed to substantiate the conceptual arguments.