含能材料表面分形维数计算及其对摩擦感度影响

含能材料颗粒的表面粗糙度极大地影响了含能颗粒群的热传导性能,进而直接影响了其感度变化。但由于含能材料表面形貌极不规则,很难用传统的方法对其粗糙度进行定量描述。为了解决此问题,本文基于分形理论的基本原理,采用表面分形维数对其进行表征,以3种制备方法下的HMX颗粒为研究对象,利用MATLAB的图像处理和数值计算功能,计算得到了3组HMX颗粒的表面分行维数,并将此方法的计算结果与文献计算结果进行了对比实验。结果表明该计算方法准确、可靠。并且通过爆炸概率法实验探究了不同表面分形维数对3组HMX颗粒摩擦感度的影响,结果表明,摩擦感度随Ds增大而增大,但是其还与颗粒的晶型,粒径等因素有关,最后用热点学说对实验结果进行了分析。     

18种硝基炸药分子活化能、表面静电势与感度理论研究

对18种炸药分子采用密度泛函DFT-BHand HLYP/6-311G＊＊方法进行优化及能量频率的计算,对计算出的活化能及静电势及其参数进行分析,发现其对撞击感度有很大的影响。本文首先对这18种炸药分子的活化能与实验撞击感度建立线性关系,发现Ea在250-400k J/mol范围内时,H50随着E_a的增加而增加,整体呈现正相关关系。随后对这18种炸药进行分类,分别为硝铵类、杂环类、三硝基芳香族类炸药化合物。分别对这三类炸药分子的实验撞击感度H_（50）与其各自的活化能、表面静电势建立定量关系,结果发现其相关系数很大（0.90＋）。此研究结果为预估炸药分子的撞击感度值提供了一定的理论依据和研究意义。     

基于粗糙集的知识粒度及粒度关系研究

本文基于粗糙集理论,针对不完备信息系统,提出了一种知识粒度的定义,并研究了知识粒度与信息熵的关系;提出了知识的相互支持度和知识的差异支持度的概念,并研究了二者之间的关系,为进行知识的度量和知识的评价提供了一种可行的方法。弄清楚知识的度量和知识相似程度的评价,一方面可以根据知识的粒度,从不完备信息系统中抽取符合一定粒度的知识;另一方面当进行知识融合时,可以比较融合后形成的知识库之间的差异相似程度,间接评价知识的完备性。     

基于信息粒度与Rough集的聚类方法研究

本文讨论了信息颗粒、信息粒度的基本含义,提出了字符颗粒和数字颗粒的概念,分析了采用信息粒度和Rough集理论进行聚类的机理,提出了利用模糊隶属度、信息粒度与Rough集理论相结合进行数据库混合数据聚类的方法.     

一种新的基于粒度重要度的三支决策模型

粒度重要度是多粒度粗糙集中的一项重要研究内容。针对现有粒度重要度只考虑单个粒度对决策的直接影响而忽略了其他粒度对决策综合影响的问题,结合多粒度粗糙集近似质量的概念,通过研究粒度重要度的构造方法,提出了一种新的多粒度间的粒度重要度的计算方法,并给出了基于该方法的粒度约简算法。同时,为减少冗余决策信息,将约简集与三支决策理论相结合,构建了基于粒度重要度的三支决策模型,给出了决策规则。最后通过实例证明,新的粒度约简算法可以获得具有更高区分度的数据,且缩小了延迟域范围,使最终决策更合理。     

基于人工神经网络的痒感度预测模型研究

本文设计了一种基于BP人工神经网络技术的痒性风团瘁感度预测模型.根据临床实际采集的痒性风团数据,利用Matlab中有关工具函数对BP网络进行训练.并对实验结果进行了验证.结果表明:该痒感度预测模型能为临床痒性风团瘁感度预测提供一种客观评价的方法.     

基于动态粒度的并行人工免疫聚类算法

从粒度的角度讨论了聚类结果和先验知识的协调度问题,提出了一种基于动态粒度的并行免疫聚类算法。鉴于并行人工免疫系统模型具有并行、随机搜索、反复进化和模式多样性等特点,将其与动态粒度模型相结合,在粒度变化过程中,通过对粒度粗化和细化的调整,选择合适粒度,保证了算法的聚类效率和聚类质量。实验证明,该算法在处理多样本、多属性、多类别问题时,是一种有效的方法。     

基于信息粒度的文本聚类算法

根据文本对象数据的高维性,稀疏性的特点,提出一种基于信息粒度原理的文本聚类方法.首先在给出文本的稀疏特征,文本的稀疏特征向量,文本的稀疏相似度,等价关系隶属度,广义的等价关系等定义的基础上,利用信息粒度原理生成初始聚类,然后提出并理论推导类间相似度的计算方法,进行类的归并.该算法聚类过程不依赖于输入样本的排列顺序,文本数据的有效压缩提高了算法的执行效率.     

基于泛系理论的粒度计算研究

该文从泛系理论辨异同出发,结合经典集合论与粗集理论,从横向和纵向探讨了粒度,讨论了粒度与辨异同的联系,及其粒度的层次,引入了粒度空间的概念,从而从哲理、数理等方面对粒度有了初步的认识。     

基于多粒度粗糙集的聚类融合方法

现有的聚类融合算法从聚类成员的角度出发,若使用全部聚类成员则融合结果受劣质成员影响,对聚类成员进行选择再进行融合则选择的策略存在主观性。为在一定程度上避免这两种局限性,可以从元素的角度出发,提出一种新的聚类融合方法。通过多粒度决策不一致粗糙集来选择一部分类别确定的元素,再利用这部分元素进行聚类融合生成新的划分;多粒度决策不一致粗糙集模型能够刻画多粒度决策过程中属性一致而决策不一致的现象,提出了一种基于多粒度决策不一致的粗糙集模型,并给出了一种聚类融合方法。具体做法是：首先在数据集上多次使用K-means聚类算法,生成论域上的多个粒结构;其次对所有粒结构两两之间求粒间包含度,建立包含度矩阵,对矩阵使用Otsu算法计算阈值,得出多组满足阈值条件的信息粒,求解多粒度决策不一致下近似和上近似;最后分别处理下近似与边界域中元素的类别,从而获得了一个经过融合的聚类划分。实验结果表明,该方法能够有效改善聚类的结果,具有较高的时间效率,且算法具有较好的鲁棒性。     

基于粒度的知识粗糙性研究

粒度计算是粗糙集理论研究的一种强有力的工具。在粗糙集理论中,提出知识是有粒度的并定义了知识粗糙度的概念。众所周知,知识获取是专家系统开发的"瓶颈"问题。文中主要从知识粒度、分辨度以及重要度等方面入手,着重研究了知识粗糙性的粒度原理与知识粗糙性的关系,提出了一种基于属性重要度的粗糙性知识获取算法,并通过理论与实验,证明该算法是正确的,行之有效的。     

基于炉温感度的加热炉总括热吸收率模型

针对影响加热炉总括热吸收率的因素相互耦合,难以实时动态调整的不足,通过建立炉温对板坯温度的感度方程,以板坯加热工艺为基础,针对加热炉板坯温度跟踪计算时的总括热吸收率模型的不足,提出了基于板坯温度感度的总括热吸收率的计算方法,使得总括热吸收率可以根据炉温以及板坯的温度变化情况进行实时调整,极大地提升了板坯总括热吸收率对于...     

一种基于BP的痒性风团痒感度预测算法的研究

设计了一种基于BP（Error Back Propagation Network）神经网络来预测痒性风团痒感度的顸测算法的模型。根据临床实际采集的数据,利用Matlab中有关工具函数对BP网络进行训练,实现了算法来预测了瘁感度,并结合临床实例进行了验证。为痒性风团痒感度的预测成功提供了一种算法,具有一定的实用价值。     

粒度世界拓扑结构的理论研究

基于信息系统,定义论域上的距离函数、构造距离空间;然后从分析论域的距离空间出发,进一步导出论域的拓扑空间并分析其结构特征,建立有关理论;最后研究了由拓扑空间构成的拓扑世界空间,找到了定于该空间之上的格和布尔代数．并导出相关性质和定理,进一步丰富和完善粒度计算的理论体系．     

基于相似度的多粒度不确定语言群决策方法

针对具有多粒度不确定语言评价信息的多属性群决策问题,提出了一种基于区间二元语义信息处理和矢量相似度的群决策方法,弥补了基于距离测度的决策方法易造成信息混淆的不足。该方法首先使用二元语义转换函数对多粒度区间语言评价信息进行一致化处理;然后通过建立使备选方案对正理想解相似度最大、负理想解相似度最小的最优化模型来获得相应的属性权重;最后利用区间二元语义的集结算子对评价信息进行加权集成,并通过优序数排序法实现对各方案的排序。实例分析说明了该方法的可行性和有效性。     

基于二进制可辨矩阵的知识粒度研究及应用

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具，其对知识的理解是认为知识与分类相关、知识是有粒度的。文中利用粗糙集理论中的二进制可辨矩阵讨论知识的粒度计算及其应用，得到了二进制可辨矩阵若干定理及推论，并提出计算知识的分辨度和属性重要度的新方法，利用这些理论和公式、可快速计算出知识的分辨度和属性重要度，相对正域和负域等．为以后的属性约简和规则提取打下基础。并给出这些方法的应用，表明了文中提出的方法的有效性。     

基于二进制可辨矩阵的知识粒度研究及应用

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具,其对知识的理解是认为知识与分类相关、知识是有粒度的。文中利用粗糙集理论中的二进制可辨矩阵讨论知识的粒度计算及其应用,得到了二进制可辨矩阵若干定理及推论,并提出计算知识的分辨度和属性重要度的新方法,利用这些理论和公式,可快速计算出知识的分辨度和属性重要度,相对正域和负域等,为以后的属性约简和规则提取打下基础。并给出这些方法的应用,表明了文中提出的方法的有效性。     

基于粒度的知识粗糙性研究

粒度计算是粗糙集理论研究的一种强有力的工具.在粗糙集理论中,提出知识是有粒度的并定义了知识粗糙度的概念.众所周知,知识获取是专家系统开发的"瓶颈"问题.文中主要从知识粒度、分辨度以及重要度等方面入手,着重研究了知识粗糙性的粒度原理与知识粗糙性的关系,提出了一种基于属性重要度的粗糙性知识获取算法,并通过理论与实验,证明该算法是正确的,行之有效的.     

不同知识粒度下粗糙集的不确定性研究

粗糙集的不确定性度量方法,目前主要包括粗糙集的粗糙度、粗糙熵、模糊度和模糊熵.在不同知识粒度下,从属性的角度,给出了分层递阶的知识空间链,发现在分层递阶的知识粒度下部分文献中定义的粗糙集的粗糙熵和模糊度随知识粒度的变化规律不一定符合人们的认识规律.从信息熵的角度提出了一种粗糙集不确定性的模糊度度量方法,证明了这种模糊度随知识粒度的减小而单调递减,弥补了现有粗糙熵和模糊度度量粗糙集不确定性的不足.最后,分析了在不同知识粒度下粗糙度和模糊度的变化关系.     

基于模糊粒度计算的文本聚类研究

典型的文本聚类算法是一种硬划分,但是实际上由于中文文本的多样性和大量性更适合进行软划分,模糊集理论的提出为这种软划分提供了有力的分析工具。传统的模糊聚类方法大都是通过对隶属度的矩阵逐步迭代得到模糊等价矩阵或模糊划分的方法实现聚类,这个过程需要大量的存储空间。基于模糊粒度计算的文本聚类算法是在文档集合的模糊粒度空间上给定一个归一化的距离函数d（d_i,d_j）,对距离小于粒度d_λ的文本进行动态聚类。通过实验证明此方法在解决文本聚类问题时具有降低计算复杂度和空间复杂度,适于大量文本的聚类处理。