家电网络故障诊断系统中远程数据传输方法

综述了网络家电故障诊断中的三种远程数据传输方法，即分别利用MODEM、家庭信息集成网络及网络传感器进行远程数据传输，其中重点介绍了基于单片机与MODEM通讯的数据传输技术．     

Learning from examples with unspecified attribute values

A challenging problem within machine learning is how to make good inferences from data sets in which pieces of information are missing. While it is valuable to have algorithms that perform well for specific domains, to gain a fundamental understanding of the problem, one needs a “theory” about how to learn with incomplete data. The important contribution of such a theory is not so much the specific algorithmic results, but rather that it provides good ways of thinking about the problem formally. In this paper we introduce the unspecified attribute value (UAV) learning model as a first step towards a theoretical framework for studying the problem of learning from incomplete data in the exact learning framework.In the UAV learning model, an example x is classified positive (resp., negative) if all possible assignments for the unspecified attributes result in a positive (resp., negative) classification. Otherwise the classification given to x is “?” (for unknown). Given an example x in which some attributes are unspecified, the oracle UAV-MQ responds with the classification of x. Given a hypothesis h, the oracle UAV-EQ returns an example x (that could have unspecified attributes) for which h(x) is incorrect.We show that any class of functions learnable in Angluin’s exact model using the MQ and EQ oracles is also learnable in the UAV model using the MQ and UAV-EQ oracles as long as the counterexamples provided by the UAV-EQ oracle have a logarithmic number of unspecified attributes. We also show that any class learnable in the exact model using the MQ and EQ oracles is also learnable in the UAV model using the UAV-MQ and UAV-EQ oracles as well as an oracle to evaluate a given boolean formula on an example with unspecified attributes. (For some hypothesis classes such as decision trees and unate formulas the evaluation can be done in polynomial time without an oracle.) We also study the learnability of a universal class of decision trees under the UAV model and of DNF formulas under a representation-dependent variation of the UAV model.     

一种新的小波神经网络结构优化设计方法

针对基于框架的小波神经网络存在的网络冗余性较大的问题, 提出一种基于粗糙集理论的网络结构优化设计方法. 首先通过时频分析确定小波神经网络的初步构造; 在此基础上, 根据网络输出对隐层节点依赖度的大小去除冗余的隐层节点, 达到优化网络结构的目的, 仿真结果表明该方法是简单而有效的.     

蓝牙技术在家庭网络中的应用-家电控制

家庭网络是一种新兴的网络，具有不同于传统网络的特性。家电的连接和控制是其重要的组成部分。采用蓝牙联网技术的家庭网络，与采用电话线等进行联网的技术相比，具有不用连线，架构简单的特点。本文详细介绍了如何使用蓝牙技术实现家庭网络中的家电控制，并对家电的接口设计进行了探讨。     

加权模糊关联规则的研究

1 引言关联规则是展示属性-值频繁地在给定的数据集中一起出现的条件,最常见的是对大型超市的事务数据库进行货篮分析,文[1]提出了解决此类问题的布尔型属性关联规则的Apriori算法。数量关联在股市分析、银行存款分析和医疗诊断等众多方面都有重要应用价值。数量关联用来描述数量型属性特征之间的相互关系,用数量型关联规则来表示,如“10％年龄在50-70之间的已婚人员至少拥有两辆汽车”。文[2]首先讨论数量型关联规则,文中的挖掘算法将数量型属性划分成多个区间,但这样的方法会引起划分边界过硬的缺点。     

单边电力市场静态稳定环节和带需求侧响应的组合市场模式

单一购买模式是我国电力市场的起步模式,没有需求侧参与和响应的单边模式在供应约束时将失去稳定。从保障单边电力市场的静态稳定性出发,提出在单边电力市场模型上附加静态稳定环节,包括以需求侧响应和电网公司自有调峰容量为反馈环节,以电力合约交易为“仓储”环节,进而形成一个在购买代理模式基础上,吸收批发竞争中的合约交易成分和零售竞争中的实时电价用户群等可行成分的组合市场模式。该模式能与现有工业组织结构兼容,可有效解决我国现阶段电力市场中的电价矛盾,并能平稳向双边开放模式过渡。     

基于VB技术的SolidWorks二次开发方法

介绍在VisualBasic环境中进行SolidWorks软件的二次开发。重点介绍SolidWorks对象的属性和使用方法，并给出了实例。     

一种改进的连续属性全局离散化算法

连续属性的离散化问题是粗糙集理论研究的一个重要内容,通过对一种局部离散化方法的改进,提出了全局的离散化算法。利用粗糙集理论,首先定义一致性的度量(辨别函数),修改了基于“最小描述长度准则”的离散化算法,实现了全局离散,弥补了前者引入不一致的缺陷;在保持数据一致性的前提下,进一步分析了离散中分割点的冗金并进行了约简。实验通过基于粗糙集的分类工具,在几组典型数据集上得到了预期的满意结果,验证了该算法的有效性。     

Internet的定价研究

Internet作为一个半公共物品被广泛应用于许多领域，一直面临如何有效对Internet进行定价的问题．提出了Internet定价中存在的问题，分析了定价机制，并尝试性地给出了一个定价模型．Internet定价是一个动态过程，定价依赖于使用者的类型、使用时间和网上阻塞情况。     

不同超市的价格模式与消费者的购买模型

通过对消费者在大型连锁超市中消费行为的调查。发现不同超市采用不同的定价格式(即HILO或EDLP)将影响消费者购买的数量、频率、费用和时间，并根据消费者购物过程的影响因素及其关系，建立了在价格变动情况下消费者的购买模型，准确地表达了消费者购买行为的变化规律，并分别对以不同格式定价的超市提出了合理的营销建议。