通有连续时间神经网络的稳定性

研究通有连续时间神经网络的稳定性问题，利用常数交易法、Ｌｉａｐｕｎｏｖ函数法结合不等式分析技巧，获得了通有连续时间神经网络的平衡点是全局ｋ－指数稳定和全局渐近稳定的判别准则。作为特例，也得到了Ｈｏｐｆｉｅｌｄ模型和线性互连模型神经网络的相应稳定性。     

多变量反馈系统的BIBO稳定化

研究了多变量反馈控制系统的ＢＩＢＯ稳定化问题，对于每一个子系统应用稳定的局部状态反馈，利用Ｌｙａｐｕｎｏｖ函数和结合矩阵Ｒｉｃｃａｔｉ方程，导出了保证多变量反馈控制系统ＢＩＢＯ稳定化的条件，所获得的这些条件有所改进，并推了文献的主要结果。     

积分微分系统的鲁棒稳定化

研究了具有时滞的积分微分系统的鲁棒稳定化问题，利用不等式分析技巧，给出了具有不确定系统的鲁棒全局一致渐近稳定性的判别准则，举例说明了文中结果的优越性。     

“小车-单摆”系统镇定设计的一种改进

为“小车-单摆”系统设计了一个新的镇定控制．考察前人的前推迭代设计,发现先期过程已经使部分子系统输入状态稳定,特别是,该子系统在有关反馈设计后仍然输入状态稳定．因此,在最后迭代时不必构造李雅普诺夫函数,并设计出简单于前人的镇定控制．给出了满意的仿真结果．     

时滞系统的鲁棒稳定性与BIBO稳定

根据Lyapunov稳定性的理论,研究了非线性扰动多时滞系统的稳定性,利用Lyapunov函数方法并结不等式的技巧分析了系统二次稳定性,运用Gronwall不等式分析了系统在闭环状态下的BIBO稳定,分别得到了系统稳定的充分条件,并且所得的结果推广了文献的有关内容。     

具有时滞的不确定系统的鲁棒稳定化

研究了具有时滞的不确定线性大系统的鲁棒稳定化问题，并不确定项分解为“秩１”形式和相乘形式，利用Ｌｙａｐｕｎｏｖ方法和结合代数Ｒｉｃｃａｔｉ方程，给出系统可二次镇定的充分条件，推广了文献［７］的结果。     

一类神经网络的L2-增益稳定性

运用研究控制系统有限增益稳定的方法,讨论了神经网络关于扰动的Hopfield型神经网络扰动的L2-增益稳定性问题。对该网络模型研究的一个重要应用在于优化计算和联想记忆。利用常数变易法和李雅谱洛夫函数法,结合不等式分析技巧,给出了一些在内外部存在扰动的情况下,保证网络L2-增益稳定的充分条件,这些条件简洁,易于在应用中检验。     

基于图的关联规则挖掘高效算法研究

通过对文献[1]中介绍的基于图的关联规则挖掘算法的详细分析,提出了一种新的基于完全子图的关联规则挖掘算法。该算法利用完全子图与频繁项集的对应关系,以完全子图结点的度作为判断标准,完全避免了不必比较项目之间的比较：同时通过设置关联图结点的order值,完全避免了相同项目集的重复比较,从而在寻找k-项频繁集（k〉3）的过程中,时间复杂度远小于原算法的1/k-1。因此,该算法减小了存傅空间,加快了挖掘速度,提高了算法的效率。     

具有不确定系数的T-S模糊控制系统的 BIBO鲁棒镇定

研究了一类具有不确定系数的T-S模糊控制系统的鲁棒BIBO镇定问题,应用稳定的状态反馈控制,通过构造Lyapunov-Krasovskii泛函,采用线性矩阵不等式(LMI)方法,给出了T-S模糊连续控制系统Robust有界输入有界输出镇定的充分条件;当参考的输入信号r(t)≡0时,给出了T-S模糊连续控制系统的零解鲁棒镇定的充分条件。     

一种基于位平面分解的多分辨率数字水印算法

提出了一种基于位平面分解的多分辨率图像数字水印方法;利用多分辨分解技术将相同分辨率层次的多分辨灰度数字水印嵌入到对应的相同分辨率层次的载体图像的小波系数中,使水印对原始图像具有自适应性。水印的嵌入位置由具有混沌特性的Arnold映射确定,在增加水印安全性的同时还解决了水印嵌入位置冲突的问题。由于在水印的嵌入过程采用了量化的方法,水印可实现盲提取。计算机仿真试验表明该算法具有良好的安全性、鲁棒性和可操作性。