不完备信息系统下的不确定性度量方法

在不完备信息系统中,不确定性度量是Rough Set理论中的一个难题。文中通过分析现有完备信息系统的不确定度量方法以及不完备信息系统的特性,提出了广义相似关系,并以之为基础给出了一个直接度量不完备信息系统不确定性的方法。通过实例分析,验证了该方法的有效性。     

完整和不完整缓和曲线在AutoCAD中的精确表示

提出了用三次样条曲线绘制缓和曲线的方法.基于缓和曲线参数方程可以用复合Simpson公式表示,推出了绘制完整缓和曲线所需等弧段数n和绘制不完整缓和曲线所需等弧段数n1的严密公式和简捷实用公式.通过算例分析,验证了本文所提出的绘制缓和曲线方法的有效性.     

火焰原子吸收光谱法测定紫菜中铜的研究

建立了非完全消化-火焰原子吸收光谱法测定紫菜中铜的方法,样品在低温下用高氯酸:硝酸(V:V=1:3)混合酸消解,再用20%的OP乳化剂溶液溶解消解过程中产生的油脂,配制成均匀、透明的样品溶液。同时制备空白溶液。用标准曲线法测定,本法相对标准偏差为2.72%,回收率为98.7%～106.8%。方法检出限(3σ)为0.0015μg/mL。将该法与灰化法进行了比较,结果表明无显著性差异。     

不完全契约视角下PPP项目合作剩余分配的博弈分析

PPP作为一种典型的项目融资模式,为基础设施建设和公共物品服务提供了一种新的思路,解决了公共部门资金匮乏和运营效率低等问题,并在世界各国得到了广泛推广和应用。然而PPP因自身的项目特点使其契约具有不完全性,在公私合作双方达成初始契约后的合作协商阶段,初始契约中未明确规定的事项通过双方协商合作,可以获得初始契约中未涉及的合作剩余收益。针对该部分合作剩余收益,合作双方对分配份额进行谈判,考虑合作双方地位的非对称性以及信息不对称性,建立不完全信息动态博弈模型,求解精炼纳什均衡解,分析影响分配结果的因素,得出博弈方的信息类型对博弈结果影响最为显著,从而为PPP项目合作剩余分配谈判提供了有益参考。     

纳米多晶镁在不同条件下压缩的分子动力学模拟

为设计和开发具有优异力学性能的镁基纳米结构合金,本文利用Voronoi几何方法构造了晶粒随机取向的纳米多晶镁模型,利用分子动力学软件实现了不同条件下纳米多晶镁的压缩模拟,借助可视化软件对模拟结果进行了相关分析,发现：温度影响晶粒的变化趋势,随着温度升高,晶粒由细化转变为融合长大;压缩速度影响晶粒细化的时间,压缩速度增大,晶粒内部原子仍保持原有结构,只有晶粒边缘处原子位置移动,晶粒细化较晚发生,屈服强度增大,极限应变减小,弹性模量增大;纳米多晶镁中原子位置发生偏移,更易形成FCC结构,产生Shockley不全位错,Shockley不全位错与FCC结构的增长规律呈正比例。     

不完备信息的概念格诊断规则提取方法

针对航空装备诊断知识获取困难的问题,研究了不完备信息条件下基于概念格的诊断规则提取方法。首先,用不完备诊断形式背景将残缺的故障数据表示成三值表格,借助近似概念格分析故障数据,设计了基于对象的增量式近似概念格构造算法,利用Hasse图直观揭示诊断结果与测试参数之间的依赖关系;然后,引入广义可辨识矩阵对不完备诊断形式背景进行属性约简,通过布尔运算将广义决策辨识函数变换为极小析取范式,得到约简的测试参数集,进而构造约简的近似概念格并生成最优近似诊断规则集,用于对新的测试样本进行故障诊断;最后,将该方法用于某型航空雷达的故障诊断,诊断准确率达到77.7%,验证了该方法从不完备故障数据中提取诊断知识的有效性。     

无人机攻防对抗不完全信息动态博弈方法研究

以不完全信息动态博弈理论为基础,无人机攻防对抗问题为背景,建立无人机攻防对抗问题的不完全信息动态博弈模型;针对博弈树的求解问题,设计免疫进化算法,求解问题的贝叶斯纳什均衡解,得到无人机的最优策略序列。仿真结果表明该模型能够合理的应用于无人机攻放对抗问题当中,具有较好的应用价值。     

一种实用的复杂配电网故障定位的矩阵算法

提出了一种较简洁的基于矩阵算法的多电源复杂配电网多重故障定位（可含有馈线末端故障）的统一判据。分别针对得到的馈线终端设备（FTU）方向过流信息不完备及信息畸变这2种情况给出了解决对策:当故障信息不完备时,不考虑对应节点信息即可;对于故障信息畸变的情况,首先利用完备故障信息下的故障定位统一判据找出候选故障区段,然后基于故障信息序列修正代价从候选故障区段中确定出最终的故障点。算例测试结果验证了该方法的正确性和可行性,能有效地解决FTU数量不足等原因导致的故障信息不完备和通信带来的信息畸变,在配电网实时故障定位的应用中具有很大的潜力。     

基于改进遗传算法的方案组合优化设计

建立了方案组合优化教学描述,提出了一种基于改进遗传算法的产品方案优化设计模型,实现了该改进算法,并成功地应用于多功能输出变速箱的方案优化设计,获得了方案的最优解。     

基于不完全数据的TAN学习算法

TAN算法是一种针对复杂数据且在实际中具有极强的学习能力的有效算法,它已被广泛应用于数据挖掘、机器学习和模式识别领域。由于现实世界中的数据大多是不完全数据,研究了怎样使TAN有效地从不完全数据中学习。首先,用一种有效的方法直接从不完全数据中估计条件互信息,然后应用估计条件互信息法去扩展基本的TAN算法来处理不相关数据,最后实验比较了扩展的TAN算法和基本的TAN算法。实验结果表明,在大多数不完全数据集合上扩展的TAN算法精确性明显高于基本的TAN算法。虽然扩展的TAN算法时间复杂度高于基本的TAN算法,但在可接受范围之内。此估计条件互信息的方法能够容易地和其它技术相结合来进一步提高TAN算法的性能。