1.对策论的基本概念 2.矩阵对策的最优纯策略

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度

针对已有的不完备信息系统粗糙集扩充模型没有考虑属性的权重的缺点,提出基于加权阈值容差关系的粗糙集扩充模型.该模型根据给出的不完备信息系统信息量计算权重,不需引入系统外知识,权重确定比较客观;同时引入阈值来调整加权阈值容差类判定的严格程度,兼顾了人的主观要求,并能预先排除因自身不满足阈值条件而不可能与任何其他对象划为同一加权阈值容差类的对象,但不影响类的完整性.实例对比分析表明,与其他模型相比,基于加权阈值容差关系的粗糙集扩充模型符合不完备信息系统应用客观实际,具有更强的适应能力

运用Factsage软件模拟了MgO含量对CaO-SiO2-Al2O3-MgO熔渣中液相区的影响.结果表明，随着CaO-SiO2-Al2O3-MgO渣中MgO含量增加，渣中低熔点液相区整体向低CaO高SiO2区移动.相图中1500℃液相区比例由0%MgO（质量分数）时的25.05%上升至9%MgO（质量分数）时的52.69%，而后降至15%MgO时的46.70%.相图中1400℃液相区比例由3%MgO时的14.41%上升至11%MgO时的34.39%，而后降至15%MgO时的31.04%.相图中1300℃液相区比例由5%MgO时的5.57%上升至14%MgO时的11.02%，而后降至15%MgO时的10.50%.相图中1200℃液相区域比例在MgO为0~6%时为零，由7%MgO时的0.88%上升至11%MgO时的1.22%，在MgO为13%~15%时降为零.模拟结果可对以CaO-SiO2-Al2O3-MgO为基本组元配置炼钢渣系的成分选择提供有效指导

以国内某钢厂一30 t LF精炼炉为研究对象,通过建立由传热机理模型和黑箱模型相结合的灰箱模型对LF精炼终点温度进行了预测.首先根据能量守恒定律建立了传热机理模型.针对包衬耐材的蓄热以及合金的热效应难以精确计算的问题,采用偏最小二乘黑箱模型对这一部分温度进行了处理,最后将两种模型相结合综合预测了LF钢包精炼的终点温度.结果表明,偏最小二乘法在预测包衬的耐材蓄热和合金热方面的温度误差在±5℃以内的命中率达到97%以上,总的灰箱模型预测LF精炼终点温度误差在±5、±8、±10℃以内的命中率分别达到88%、96%和99%,模型具有较高的预测精度.研究可为该钢厂的LF精炼工艺提供指导

采用透析的方法将铜电解液中相对分子质量大于3500的明胶进行分离,以二喹啉甲酸（BCA）法测定所得明胶质量浓度,研究了硫酸质量浓度和温度对铜电解液中明胶分解规律的影响.铜电解液中Cu2＋基本不影响明胶的稳定性;电解液温度升高和硫酸质量浓度增大,都加剧了明胶的分解.在相同温度下,硫酸质量浓度在150~180 g·L-1范围内每增加15 g·L-1,明胶分解反应速率常数增大约1.2倍;而在相同的硫酸质量浓度下,温度在55~70℃范围内每增加5℃,明胶分解反应速率常数增大约1.5倍.对于铜电解生产,电解液中硫酸质量浓度150~180 g·L-1以及温度60~65℃,可推算出电解液在电解槽中停留3~4 h,明胶的分解率达50%~80%;电解液经过完整的一周循环约需6 h,明胶的分解率可达到70%~90%

概念模型(信息模型) 现实世界反映到人脑中,人们对这些事物有一个认识过 程,经过抽象(选择、命名、分类)之后进入信息世界。 语义式数据模型,着重描述高层次的概念,如被描述对 象的意义、相互关系等,按用户观点对数据和信息建模

采用有机改性膨润土法对某印钞厂的高浓度有机难降解废水进行处理以降低水中的有机污染物和水体颜色.实验结果显示,聚合氯化铝(PAC)投加量对于处理效果的影响最大,当膨润土投加量为15 g·L-1,聚合氯化铝投加量为3.5 g·L-1,搅拌时间为0.5h时,处理效果最佳,印钞废水吸光度去除率高达96.55%,化学需氧量(COD)去除率最高达到73.31%.使用该方法对印钞废水处理,可以有效降低水体COD和表观颜色,并且不引入新的污染物,无浓水排放,非常适合作为废水深度处理的预处理工艺

基于经典晶体塑性理论,建立了耦合孪生的晶体塑性本构模型并进行了全隐式积分的数值实现.该本构模型采用饱和硬化法则,并采用孪生阻力与滑移硬化之间的正比关系来描述孪生对滑移硬化影响及孪生硬化行为.针对该本构模型的13个参数,结合各参数物理意义提出了参数的分类确定方法.以孪生诱导塑性（TWIP）钢Fe-22Mn-0.6C为例,着重对硬化参数的局部灵敏度进行了分析,研究了各硬化参数对宏观力学响应、孪生激活和演化的影响,根据变形机制的不同宏观变形过程可区分为孪生硬化阶段和孪生硬化失效阶段,进而给出了硬化参数确定的步骤及其建议取值范围.结果表明：初始滑移阻力与屈服极限线性相关,取值范围在80~160 MPa之间;孪生硬化指数增大使得孪生硬化阶段减弱,其取值范围应在0~3之间;孪生阻力与滑移阻力比值增大,则孪生增长率降低,硬化率拐点后移,直至拐点消失,其取值范围在1~1.3之间

利用Gleeble-3500热模拟试验机、扫描电镜、透射电镜、电子背散射衍射技术等手段研究V对700 MPa级高强度汽车大梁钢组织细化的影响.在冷却速度2~7℃·s-1时,显微组织为针状铁素体＋粒状贝氏体组织.V添加提高粒状贝氏体体积分数,细化粒状贝氏体组织,并明显降低粒状贝氏体中M/A岛的尺寸.与无V钢相比,含V钢中大角度晶界比例提高18.2%,对提高钢的韧性有利.由于C含量过低,在实验钢中未观察到单独的VC析出,由此推测V主要固溶在基体中,以合金化方式促进钢的贝氏体相变,使组织得到有效细化