简介：本文首先分析了增量学习过程中支持向量与非支持向量的相互转化问题，而后在此基础上提出了基于超球结构的支持向量机增量学习算法。该算法主要利用超球结构，完成对增量学习中训练样本的选取，进而完成分类器的重构。实验表明，该算法比传统支持向量机增量学习算法具有更高的分类精度。

简介：设(x*,y*)是以A=[aij]m×n为赢得矩阵G的对策解,则当局中人1,2各自独立地使用其最优策略x*=(x*1,x*2,…,xmn),y*=(y*1,y*2,…,y*n)时,局中人1的赢得期望为对策值v*=x*Ay*T.若局中人双方使用使得方差D(x*,y*)=∑∑(aij-v*)2x*iy*j达最小的对策解(x*,y*),则其赢得靠近v*的概率达到最大.以O记使方差达到最小的对策解的集合.若O满足(x(1),y(1)),(x(2),y(2))∈O蕴涵(x(1),y(2)),(x(2),y(1))∈O,则说O是可换的.本文首先证明了:若矩阵对策G有纯解,则O是可换的.然后证明了如果限定局中人1在其混合扩充策略集的一个非空紧凸子集X中选取策略,那么存在X的一个非空紧子集O(X),它是有限个非空互不相交紧凸集之并,使得只要局中人1使用O(X)中的策略,那么在最坏的情况下可以取得最好的赢得.

简介：本文对指派问题匈牙利解法中D.Konig定理的实施提出一点注记，这有时会关系到指派问题解法的繁、简、难易。

简介：本文就线性规划基本定理的证明方法及过程提出一点修改意见.

简介：文[1][2]提出了求解线性规划问题的一种新方法--分解筛选法.文[3]证明了文[2]的命题A是错误的.本文进一步证明,用分解筛选法筛选出的变量不一定是最优基变量.

简介：文[2]通过两个反例的计算,认为文[1]所提出的求LP可行基的方法有不妥之处,并对[1]的方法中主要步骤作了修正.本文对[1]的算法中轴心项的选取作进一步说明,对[2]中所提出的反例以[1]中算法进行计算与[2]对比分析,说明[2]中的反例并不成立.

简介：本文给出了用表上作业法求解产销平衡运输问题当出现退化时在相应空格填'0'的更为明确的规则,利用该规则可以避免可能存在的多余计算.本文还给出了用改进后的表上作业法求解指派问题的方法和步骤,该方法与求解指派问题的常用方法'匈牙利法'相比,具有手工计算更为简便的优点.

简介：

简介：为解决一次性n人囚徒困境中局中人如何走出困境的问题，引进了背叛惩罚函数及其严厉度和参与人的背叛愿意度等概念，并用数学论证法证明了如下结果：（1）参与人的背叛愿意度都不超过1。（2）背叛愿意度越大，这个参与人越愿意背叛；（3）背叛愿意度为0零时，这个参与人是否背叛其赢得一样；（4）当背叛愿意度取负数时，其绝对值越大，参与人的合作积极性越大。得到博弈结果的判定法：（1）计算各参与人的背叛愿意度。（2）若至少有一个参与人愿意背叛，则全体参与人都背叛。（3）若全体参与人都愿意合作，则合作成功。例子表明，本结果在理论上可有效地解决中局中人如何走出困境和在给定惩罚机制下博弈结果的预测问题。