变异函数S-粗集

利用函数S-粗集（function singular rough sets），提出了变异函数S-粗集，给出了变异函数S-粗集的数学结构和特性。变异函数S-粗集具有两类形式：单向变异函数S-粗集，双向变异函数S-粗集。     

变异函数S-粗集

利用函数S-粗集(function singular rough sets),提出了变异函数S-粗集,给出了变异函数S-粗集的数学结构和特性。变异函数S-粗集具有两类形式:单向变异函数S-粗集,双向变异函数S-粗集。     

基于粗集理论的灌区运行状况综合评价

在灌区的运行评价中,权重确定的合理与否将直接影响评价结果.目前权重确定的方法有很多,简要概括了这些方法的不足,并引入粗集理论的概念,将粗集理论中属性重要度的确定方法与专家评分法相结合,得到灌区评价指标的综合权重,采用模糊综合评判模型对东港灌区2004年的运行状况进行评价.评价结果符合实际情况,说明用粗集理论确定权重是科学合理的.     

采用数据挖掘和ANN解决电流互感器饱和的算法

电流互感器的饱和会影响继电保护动作和监控系统决策的正确性,因此提出利用数据挖掘技术中的粗集理论和神经网络(NN)来解决电流互感器的饱和问题,运用粗集数据挖掘方法,提取决策规则和训练样本,最后运用神经网络算法对电流互感器的饱和影响进行补偿.通过与传统的微分方程算法比较,得出:应用本研究所提出的算法处理是一种更好的对电流互感器饱和电流的补偿办法.     

基于FCM离散化的粗集权重在粮虫可拓分类中的应用

粮虫的识别属于参数多、混合度大的分类问题,特征客观权重的自动确定是粮虫可拓分类中的重要环节.提出了用聚类数评价函数自适应确定聚类数目,用FCM进行聚类分析,并依据最大隶属度原则对实值特征进行离散化处理.引入粗集理论中属性重要度的概念,自动确定粮虫特征的客观权重,并对粮仓中危害严重的9类粮虫进行了可拓分类,识别率达到93%,证实了基于FCM离散化的粗集权重在粮虫可拓分类中应用的可行性.     

采用数据挖掘和ANN解决电流互感

电流互感器的饱和会影响继电保护动作和监控系统决策的正确性，因此提出利用数据挖掘技术中的粗集理论和神经网络(NN)来解决电流互感器的饱和问题，运用粗集数据挖掘方法，提取决策规则和训练样本，最后运用神经网络算法对电流互感器的饱和影响进行补偿。通过与传统的微分方程比较,得出:应用本研究所抽出的算法处理是一种更好的对电流互感饱和电流的补偿办法.     

知识的规律生成及其识别

知识具有特征值,特征值可以生成规律.文章利用S-粗集给出知识规律生成的概念,f□知识规律的概念,并给出知识规律之间的关系和f□扰动规律识别准则.     

NAA、6-BA、S-3307对马铃薯脱毒试管苗复壮效应的研究

选用马铃薯脱毒试管苗(闽薯1号和费乌瑞它),以MS为基本培养基,研究了3种植物生长调节剂在马铃薯试管苗壮苗中的作用,观察处理后各试管苗生长的农艺性状.结果表明:在MS培养基中附加0.3～0.6 mg·L-1的S-3307可以使试管苗根和茎增粗,叶片增大;可以延缓试管苗的生长,延长培养时间,减少继代次数.     

超高压处理对S-卵白蛋白构象与功能特性的影响

采用激光拉曼光谱、荧光光谱分析超高压(UHP)对S-卵白蛋白构象的影响,并考察其对溶解性、乳化性和起泡能力等功能特性的影响.结果表明,经UHP处理后S-卵白蛋白的分子量分布没有明显变化.随着压力增加,无规卷曲含量逐渐增加,二硫键构象变化使蛋白稳定性降低,酪氨酸残基包埋于侧链中,紧密折叠结构得以舒展.经100 MPa处理后S-卵白蛋白的荧光强度略有增强,此后急剧下降,无峰位位移现象,说明UHP引起蛋白分子构象变化.S-卵白蛋白的溶解性、乳化性及起泡能力等功能特性均随压力增加而明显改善,以300 MPa处理较为理想,此后压力增加至500 MPa时反而下降.     

床面统计粗糙特性研究

床面粗糙特性是河流动力学中的重要研究内容，其量化方法一直是研究的难点。在顺直水槽中采用非均匀天然沙铺制初始床面，并逐渐增大流量粗化床面，基于激光扫描获得的床面数字高程资料，应用统计理论以及变异函数模型探讨不同粗化程度的床面表层粗糙特性。结果表明：采用非均匀沙人工铺制的床面高程频率分布呈现出近似正态分布，经历过不同水流强度依次累积冲刷后形成的稳定粗化床面高程频率分布都出现了轻微正偏态的趋势；高程标准差随水流强度增加严格增大的特点让它可以成为量化床面粗糙特性的可靠指标；水流塑造试验床面是各向异性的，随着流量的增大，床面粗化层破坏再粗化，床面高程二维变异函数的基台值越大；由于水流的作用，横向剖面平均变异函数的基台值与块金值略大于纵向剖面高程平均变异函数，径向剖面的基台值与块金值远小于横向与纵向剖面。研究加深了对床面粗糙特性的统计规律的探索，对于建立基于统计学的粗糙度定量表达方式具有一定的启示。