基于蕴涵算子族Lλ0λG的反向α-三I约束算法

提出了基于蕴涵算子族Lλ0λG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Lλ0λG给出了模糊推理的FMP模型及FMT模型的反向α-三I约束算法。     

基于蕴涵算子族Lλ0λG的反向α-三I支持算法

提出了基于蕴涵算子族Lλ0λG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Lλ0λG给出了模糊推理的FMP模型及FMT模型的反向α-三I支持算法。     

模糊λ商空间研究

把模糊商空间理论推广为模糊λ商空间理论,证明论域上的一个模糊等价关系一一对应于λ商空间上的一个归一化等腰距离函数;给定一个λ截关系序列,则唯一确定一个模糊等价关系.给出模糊λ商空间的定义,并讨论其性质,引入模糊λ商空间族来求解模糊问题.     

基于最小二乘的Q（λ）强化学习算法

通过分析经典的Q（λ）学习算法所存在的经验利用率低、收敛速度慢的问题,根据当前和多步的经验知识样本建立了状态-动作对值函数的最小二乘逼近模型,推导了该逼近函数在一组基底上的权向量所满足的一组线性方程,从而提出了快速而实用的最小二乘Q（λ）算法及改进的递推算法。倒立摆实验表明,该算法可以提高经验利用率,有效加快收敛速度。     

模糊λ商空间研究及其应用

把模糊商空间中的两个等价的叙述修正并扩展为三个,利用商空间X(λ)的距离函数重新定义了模糊λ商空间,更加直接地继承了模糊商空间理论。把模糊粗糙近似空间的信息量拓展到模糊λ商空间,给出了模糊λ商空间下的混合决策系统约简条件,使模糊粗糙集的属性约简在模糊λ商空间下同样能实现,解决传统粗糙集对连续属性直接离散化容易造成信息缺失和不能对模糊属性处理的问题。     

一类Vague集间的相似度量

研究了Vague值的（α,β） 扩展的性质,提出一类基于这种扩展的Vague集间的相似度量。在模式识别中的应用实例表明这类公式是实用的。     

基于新的网格存优策略的多目标归档算法

网格方法被多个进化算法用来保持解集的分布性。基于ε支配概念的ε-MOEA本质上也是基于网格策略的。虽然ε-MOEA通常情况下都能在算法性能的各方面之间取得较为合理的折衷,但是由于其存在固有缺陷,很多时候表现出不容忽视的问题——当PF_true对某一维的变化率在该维不同区域的差异较大时,解集中边界个体或代表性个体丢失——严重影响解集的分布性。针对这一问题,定义了一种新的δ支配概念和虚拟“最优点”的概念,提出了一种新的网格存优策略,并将之应用于更新进化多目标归档算法的归档集。实验结果显示,基于新的存优策略的进化多目标归档算法（δ-MOEA）具有良好的性能,尤其在分布性方面比NSGA2和ε-MOEA好得多。     

基于Jerk的常增益目标跟踪及其自适应算法

针对目前高机动目标跟踪的Jerk模型存在计算复杂度高和α-β-γ模型须预先估计过程噪声标准偏差的不足,提出了一种基于Jerk模型的常增益滤波算法：自适应的α-β-γ-δ模型,并从理论上推导出了上述新模型中α、β、γ和δ的计算公式。对一种典型的目标机动形式进行了Monte Carlo仿真,结果表明了新算法对于解决机动目标跟踪问题的有效性,且运算量远远小于Jerk模型算法。     

ICA方法用于脑电信号α波提取的研究

为在有效提取闭眼脑电信号α波的同时能够很好地保留原始信号中的其余信息,采用独立分量分析方法提取闭眼脑电信号中的α波。构造一组频率在α波频率之间的正弦和余弦信号作为对α波的参考信号,然后把这些信号以及实测闭眼脑电信号作为ICA混合矩阵的输入端,采用fastICA 算法进行信号分离,实现对α波的分离和提取,并进一步对所提取的α波进行了功率谱分析。结果表明,分离出的信号频率集中在8~13 Hz之间,完全符合α波形的特点,且去除α波后的其余信号与原始信号相关系数达到0.942,说明有效地保留了原始信号的其余信息。     

Vague关系的α-分解

提出了Vague关系R是可α-分解的概念。得到Vague关系R是可α-分解的两个等价刻画。在Vague关系R是可α-分解时,分别给出了使R=AαB成立的A与B的解集。     

ε-支持向量回归机算法及其应用

针对现有传统的一些图像去噪方法难以获得清晰图像边缘的问题,提出了利用ε-SVR技术构建图像去噪滤波器的新方法。ε-支持向量回归机通过引入ε不敏感损失函数,可以实现具有较强鲁棒性的回归,而且回归估计是稀疏的,保留了SVM的所有优点。分析了ε-支持向量回归机理论算法及其在图像去噪中的应用,使用ε-支持向量回归机对图像进行滤波并且与最小值滤波、均值滤波和维纳滤波等常用的滤波方法相比较,还比较了SVM各种核函数对不同噪声的滤波效果和分析了不同阶数的Multinomial核的滤波效果。实验结果表明了ε-支持向量回归机能够有效地去除噪声,不但信噪比较高而且比较清晰,同时具有良好的稀疏性。     

Grey集上的逻辑和运算算子

通过定义单位区间I的全体灰信息域上的偏序关系,给出grey集和grey关系在一个格上的定义。由单位区间上的模糊逻辑和运算算子,依据经典扩张原理构造了定义在Θ（I）上相应的grey算子。由格运算的性质导出grey关系合成运算的表示,依照模糊化算子和判决化算子的定义得出对应的grey算子。讨论有关算子的基本性质并举例说明其应用。通过对grey语义的语言值上一组运算的数学描述,旨在提高信息系统对灰信息的处理能力,将处理范围由模糊语言值拓展到基于gray语义的语言值。     

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。     

受噪声影响的复gλ样本的学习理论的关键定理

关键定理是统计学习理论的重要组成部分。但是,目前的研究主要集中在实随机变量且样本不受噪声影响。引入了复g_λ随机变量、准范数的定义,提出了受噪声影响的复g_λ样本的经验风险泛函、期望风险泛函以及经验风险最小化原则严格一致性的定义;给出并证明了受噪声影响的复g_λ样本的学习理论的关键定理,为系统建立基于复g_λ样本的统计学习理论奠定了理论基础。     

解释模型类理论及其极小三I-算法

首先在多类（many-sorted）一阶形式系统Lukms、Gödms,∏ms和L^*ms中通过引入多类一阶模糊语言Lms的解释模型类及基于解释模型类的α-逻辑有效公式的概念,建立了多类一阶模糊语言的解释模型类理论;然后,基于上述理论探讨了模糊推理算法（CRI及三I算法）与其理论Г-推理的关系,从而进一步奠定了模糊推理的理论基础,同时得到一种新型的模糊推理算法,称为极小三I算法。     

直觉模糊集的商空间

把商空间理论推广到直觉模糊集理论中,建立直觉模糊商空间。定义直觉模糊等价关系和直觉模糊距离。建立基于直觉模糊等价关系的商空间基本定理。证明由有序的直觉模糊等价关系簇诱导的直觉模糊商空间构成一个完备半序格。     

修正的Gödel逻辑系统中子代数的广义重言式理论

将修正的Gödel逻辑系统中的广义重言式理论进行推广,讨论其序稠密子代数的广义重言式理论,并利用可达广义重言式概念和α-矛盾式概念在G的序稠密子代数中给出F（S）关于┐同余的一个分划.     

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。     

直觉区间值模糊集的σ-熵、σ-距离测度和σ-相似测度

σ-度量和弱σ-度量是模糊信息度量的重要概念。熵、距离测度和相似测度是σ-度量和弱σ-度量的特例。在直觉区间值模糊集定义的基础上,给出了σ-熵和弱σ-熵、σ-距离测度和弱σ-距离测度、σ-相似测度和弱σ-相似测度的定义与性质,并讨论了它们之间的关系。     

一类蕴涵算子下的支持度及α-三I算法

研究了基于正则蕴涵算子G-λ-R0模糊推理的三I算法的支持度理论,分析了支持度的性质,给出了α-三I算法的FMP（FMT）下（上）确界的计算公式。