线性结构 一、线性结构是一个数据元素的有序(次序)集合。 二、它有四个基本特征: 1.集合中必存在唯一的一个第一元素\; 2.集合中必存在唯一的一个最后元素\; 3.除最后元素之外,其它数据元素均有唯一的\后继\; 4.除第一元素之外,其它数据元素均有唯一的\前驱\

第七章集合与搜索 一、集合及其表示 二、等价类与并查集 三、静态搜索表 四、二叉搜索树 五、最优二叉搜索树 六、AVL树 七、小结

再谈试验及样本空间 一次随机试验的所有可能的试验结果所构 成的集合被称作样本空间,而每一个可能 的试验结果构成样本点.样本点的集合A称 作事件,只包含一个样本点的集合{a}被称 作基本事件. 请注意,这里的试验结果实际上是一次试验 的全过程的记录,因此和我们原来的印象中 的试验结果并非一样,并非试验结束时候的 那个结果

第七章集合与搜索 一、集合及其表示 二、等价类与并查集 三、静态搜索表 四、二叉搜索树 五、最佳二叉搜索树 六、AL树

介绍映射,基数,可数集与不可数集等概念和它们的属性 本节要点一一对应的思想与方法是贯穿本节的核心基数的概念,可 数集的讨论都要用一一对应的方法.证明两个集对等或具有相同的基数, 有时需要一定的技巧,因而具有一定难度,通过较多的例题和习题,使学 生逐步掌握其中的技巧

CABOSFV_C是一种针对分类属性高维数据的高效聚类算法,该算法采用集合稀疏差异度进行距离计算,并采用稀疏特征向量实现数据压缩.该算法的聚类效果受集合稀疏差异度上限参数的影响,而该参数的选取没有明确的指导.针对该问题提出基于集合稀疏差异度的启发式分类属性数据层次聚类算法(heuristic hierarchical clustering algorithm of categorical data based on sparse feature dissimilarity,HABOS),该方法从聚结型层次聚类思想的角度出发,在聚类数上限参数的约束下,应用新的内部聚类有效性评价指标(clustering validation index based on sparse feature dissimilarity,CVISFD)进行启发式度量,从而实现对聚类层次的自动选取.UCI基准数据集的实验结果表明,HABOS有效地提高了聚类准确性和稳定性

振动信号的周期性冲击及其重复频率是滚动轴承故障诊断的关键.本文提出了一种基于集合经验模式分解和交叉能量算子提取滚动轴承故障特征的方法.首先,应用集合经验模式分解方法将振动信号分解为本征模式函数以满足交叉能量算子对信号单分量的要求.然后根据相关程度和峭度从本征模式函数中选取敏感分量,计算敏感分量和原始信号的瞬时交叉能量及其傅里叶频谱.最后根据交叉能量的频谱结构和特征频率识别轴承故障.通过分析滚动轴承故障仿真信号和实验测试信号,诊断了滚动轴承元件故障,验证了该方法的有效性

面对钢厂智能化发展的时代要求，炼钢–连铸区段工序界面技术受到越来越多冶金学者的关注，其不仅是解决工序关系集合协同–优化问题的重要手段，也影响着工序功能集合解析–优化和流程工序集合重构–优化的效果。本文对炼钢–连铸区段3种典型工序界面技术，即钢包运行控制、天车运行控制和生产运行模式优化的研究进展进行阐述，其中，钢包运行控制包括钢包热状态监测、钢包选配以及钢包调度，天车运行控制包括吊运任务的分配和同跨/异跨天车的协同调度，生产运行模式优化包括工序/设备产能、时间节奏与炉–机对应模式的匹配设计。此外，针对炼钢–连铸区段多工序协同运行的制约因素，指出工序界面技术协同的必要性，并对上述工序界面技术的协同机制与协同方案进行了阐述

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题，提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor，CABON）。CABON算法首先对数据对象进行初始聚类，通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合；并给出一种类别待定集的动态调整机制，利用近邻思想实现此集合中数据对象所属类别的重新划分，按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中，得到最终的聚类结果，以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers，MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data，CVCN）在人工数据集和真实数据集上分别进行实验对比，结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”，聚类效果明显优于K–means、MC_IK和CVCN算法

•学生汇报点评，引出模糊综合评价 •模糊数学基本概念 •隶属度的含义及确定【重点】 •模糊集合的表示方法 •模糊集合的运算【重点、难点】 •模糊集合分解定理【重点、难点】 •模糊综合评判法的步骤 •常见模糊算子【重点、难点】 •模糊综合评判法的应用【重点、难点】