含有不确定时延网络控制系统的鲁棒H∞控制

研究了存在不确定时延的网络控制系统的鲁棒H_∞控制器设计方法。首先讨论了系统的建模问题,针对传感器采用时间驱动,控制器和执行器采用事件驱动,考虑不确定时延小于一个采样周期的情况,网络控制系统可建模为一类具有不确定性的线性离散时延系统,利用Lyapunov方法和线性矩阵不等式方法,推导出闭环控制系统渐近稳定且H_∞范数小于性能指标γ的充分条件,并给出动态输出反馈H_∞控制律设计方法。通过Matlab数值仿真,证明了该设计方法的有效性。     

确定型格值有限自动机的最小化

给出了确定型格值有限自动机的定义,并同时给出了有效终止状态和可达到状态的定义。指出了求取DLFA M=Q,Σ,δ,q₀,σ的实质是求取Q/R_k。由此以可到达状态为基础引入了等价关系R_k、S_k与商集Q/S_k,证明了R_k=R_k-1∩S_k,由此得到Q/R_k的等价类为Q/R_k-1中等价类与Q/S_k中等价类的非空交集全体。引入了H_k,并证明了可由H_k求取Q/S_k,从而得到仅利用集合运算便可求取Q/R_k的算法,最终给出了DLFA最小化算法的一个容易实现的构造型描述和相应示例。     

n值逻辑系统子代数个数之讨论

在广义和狭义两方面分别研究了六个系统L_n,S_n,G_n,K_n,Z_n,W_n的子代数的个数的特征及其计数问题。由此,得到了逻辑系统L_n,S_n,G_n,W_n,K_n,Z_n的子代数个数及其性质。     

基于Vague等价关系的粗糙集分解

首先,提出了基于Vague等价关系的（α_t,α_f）-等价类,并在（α_t,α_f）-等价类基础上定义了（α_t,α_f）-粗糙集,得到（α_t,α_f）-粗糙集是λ-粗糙集的推广,研究了（α_t,α_f）-等价类和（α_t,α_f）-粗糙集的性质。其次,给出（α_t,α_f）-等价类分解、（α_t,α_f）-粗糙集分解以及（α_t,α_f）-粗糙集的边界的概念。最后,分别得到等价类、粗糙集以及粗糙集的边界基于Vague等价关系的分解结构。     

一种用于大整数因数分解的多相位粒子群算法

如果大整数N的两个因数p与q满足p=x_p×D+y_p,q=x_q×D+y_q,D>y_p×y_q约束,那么该大整数N将有可能被轻易分解。因此,根据该约束及相关定理,提出了一种用于求解大整数因数分解问题（IFP）的尾数多相位粒子群搜索算法,MMPPSO。数值实验证明,MMPPSO算法对IFP具有良好的求解能力。同时,建议依赖于大整数N分解问题的密码系统做上述约束条件测试,从而保证密钥和系统的安全性。     

不同蕴涵算子下三I方法的解

以R_M、R_Z、R₀三个蕴涵算子为基础,研究了11种形式的三I算法的解,并在此基础上给出了这11种解的同一形式：B*（y）=SUP{A*（x）∧φ（x,y）},其中φ：X×Y→[0,1]表示某一函数,而且φ（x,y）与E_Y的选取依赖蕴涵算子R_i的选取。     

基于强化学习的相关反馈图像检索算法

相关反馈算法是图像检索不可缺的重要组成部分,是近来图像检索中研究的一个热点。提出了基于强化学习的相关反馈算法。根据强化学习中的Q_学习函数,建立矩阵Q,对每幅图像建立对应的一项Q_i（i=1,2,…,n）,记录每幅图像的本次检索中的累计反馈值,并根据加权特征法计算新的特征,对于每幅反馈的图像根据Q_学习函数计算其当前的累计反馈值。Q值越大即越与例子图像相关。由于强化学习是通过不断对环境的反馈来获得最佳的路径,这与相关反馈通过对用户检索意图的摸索来获得最优答案的思想一致。实验表明,提出的相关反馈算法具有更大的优越性。     

参数化模糊联想记忆网络的学习算法

基于Dubois提出的带参数ξ的t-模T_ξ,提出了一种参数化的广义模糊联想记忆网络Max-T_ξ FAM。由于T_ξ中参数ξ的作用,在应用中Max-T_ξ FAM有更强的可调性和灵活性。接着利用T_ξ的伴随蕴涵算子,提出了Max-T_ξ FAM的一种有效学习算法。从理论上严格证明了,只要Max-T_ξ FAM能完整可靠地存储所给的多个模式对,则所提出的学习算法一定能找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者。最后,用实验说明了所提出的学习算法的有效性。     

K均值和中值滤波混合算法及其递归实现

针对标准中值滤波算法边缘保持能力较差的缺点,设计了K均值中值滤波算法和递归K均值中值滤波算法。使用K均值方法将中心像素点的邻域数据序列分成两类,将该像素点所属的这类数据的中值作为输出。为了加快算法的速度,提出了两个阈值T_L和T_H,保证在不影响结果精确性的同时尽量减少处理时间。传统的K均值算法耗时较高,论文的另一个改进是对K均值的优化处理,大大缩短了算法的处理时间。实验证明改进算法具有较好的噪声抑制能力和边缘保持能力。     

基于一类分类的三角形和三角形相交测试

三角形和三角形相交测试是碰撞检测数据结构和算法的基本组成部分,基于支持向量机的一类分类方法对三维空间中三角形和三角形相交测试提出了一种新的算法,首先用核函数把其中一个三角形（记为T_a）训练成球心为a半径为R的超球体,然后依据另一个三角形（记为T_b上的某些点到超球体的球心a的距离d_i（i=1,2,…,n）与R的关系,判断这些点是否在超球体内。如果T_b有点在超球体内,则断定两个三角形发生相交,反之则没有。理论分析和实验结果都表明,该算法速度很快,效率较高,能够满足动画中运动物体的实时交互碰撞检测。     

蕴涵算子族R（q，p）-LGN及其三I支持算法

给出了一族新的左连续三角模族T_（q,p）-LGN族及其伴随蕴涵算子族R_（q,p）-LGN,它包括Lukasiewicz蕴涵算子、Gödel蕴涵算子及R0蕴涵算子; 提出了基于蕴涵算子族的模糊推理的思想,并给出了基于蕴涵算子族R_（q,p）-LGN的FMP模型的三I支持算法。     

求解Ramsey数下界的模拟退火算法

对于图G_1、G_2,2色广义Ramsey数R(G_1,G_2)是指最小正整数P,使得每一个p阶的图G,或者G包含G_1,或者G的补图包含G_2。用改进的模拟退火算法求解得到了R(W_m,K_n),R(B_m,K_n),R(F_m,K_n),类型的一些Ramsey数的下界。     

环F2+uF2+u2F2上的线性码及其Gray像

记R=F₂+uF₂+u²F₂,R₁=F₂+uF₂,定义了从Rⁿ到F³ⁿ₂的Gray映射Ф以及从Rⁿ₁到Rⁿ的映射f。通过对环R上线性码C的生成矩阵的研究,给出了线性码C的对偶码C^⊥和Gray像Ф（C）的生成矩阵,并且Ф（C）与Ф（C^⊥）是F₂上的对偶码。通过映射f将环R₁上的线性码与环R上的一类线性码对应起来。     

基于蕴涵算子族L-λ-R0的模糊推理α-三I约束算法

提出了基于蕴涵算子族L-λ-R₀的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族L-λ-R₀给出了模糊推理的FMP模型及FMT模型的α-三I约束算法。     

参数LP系统的三I算法与α-三I算法

给出了连续三角模族T_(p-L)及其伴随蕴涵算子族R_(p-L)的定义,并且给出了逻辑系统LP的定义;证明了逻辑系统LP与逻辑系统L的等价性,在此基础上给出了基于蕴涵算子族R_(p-L)的三I算法与α-三I算法。     

参数IIP系统的三I算法与α-三I算法

证明了系统IIP是基于连续三角模族T_p-II及其伴随蕴涵算子族R_p-II的逻辑系统,并证明了系统IIP与系统II是等价的。在此基础上给出了基于蕴涵算子族R_p-II的三I算法与α-三I算法,这将有助于提高模糊推理的可靠性。     

R0代数中的模糊正规滤子

在R₀代数中引入模糊正规滤子的概念,给出其充要条件,得到了模糊正规滤子的扩张性质,讨论了模糊正规滤子与模糊滤子、截集之间的关系,最后,用模糊正规滤子刻画了正规R₀代数M和正规商R₀代数M/f。     

基于含参数蕴涵算子族L-λ -R0的三I支持算法 ——仅就FMP模型进行讨论

提出了基于蕴涵算子族L-λ-R₀的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族L-λ-R₀给出了模糊推理的FMP模型的三I支持算法、α-三I支持算法。