基于组标签的多标签流特征选择算法

流标签是当前多标签学习领域中一个较新颖的挑战性问题,存在标签空间未定、标签数量不断增加甚至趋于无穷等问题.在多标签学习的特征选择中,每当有新的标签到达时标签空间都将发生改变,传统的多标签特征选择算法需重新进行特征选择,所以不适用.针对此问题,采用将流标签进行分组批量处理的方式,并考虑标签之间的相关性,提出一种新的流式多标签特征选择方法,考虑分组后每组标签内部潜在的关联结构和不同标签组之间的标签差异性,赋予每组标签不同的权重来计算每个特征与标签空间的模糊互信息.同时,结合mRMR(Max-Relevance and Min-Redundancy)的特征选择策略进行冗余特征的剔除,从而挑选最优的特征子集.该方法同时适用于固定标签空间和流式标签空间中的特征选择问题.最后,选取八个多标签基准数据集,采用四种评价指标与已有相关的多标签特征选择方法进行对比实验,实验结果证明了提出方法的有效性和高效性.

等微分I／O线性化方法及应用

本文给出一类非线性函数的全局线性化方法，即等微分Ｉ／Ｏ线性化，同时给了一个有意义的应用实例。

增量式模糊控制与模糊系统的稳定性

本文介绍了增量式模糊控制（ＩＦＣ）的原理与设计思想，指出ＩＦＣ是ＦＣ系统实现渐近稳定控制的有效方法。文中运用模糊增量、隶属度增量及模糊目标的可达性概念，给出一种模糊变量的动态描述。

基於稳态映照记忆模型的自学习控制

本文介绍了基於系统集的通用智能控制器的设计思想。作为示例，我们对一类具有相同特征与约束的系统集给出了基於稳态映照记忆模型的自学习算法，证明了它的可学习性与收敛性，在不同的对象上验证了它的通用性。

交流功率输出的等微分线性化方法

本文介绍了交流功率器件的等微分I/O线性化原理与方法,并给出其计算机实现。

模糊目标的可达性

本文提出了Ｆｕｚｚｙ增量与增量式Ｆｕｚｚｙ控制的概念，给出一种Ｆｕｚｚｙ变量的动态描述方法，并给出Ｆｕｚｚｙ目标的可达性定理。

对两点关于圆周对称定义的讨论

本文给出了两点关于圆周对称的一种新定义，克服了［１］，［２］所给定义的不严密性。