电子束辐照处理对生鲜猪肉的保鲜作用

为研究电子束辐照处理对生鲜猪肉品质的影响,该实验使用1 kGy、3 kGy、5 kGy、7 kGy、9 kGy辐照剂量对生鲜猪肉进行处理,于4 ℃环境下贮藏。在贮藏期间进行理化指标的测定,结果表明：小于3 kGy的辐照剂量,对生鲜猪肉色泽有一定促进作用。高剂量（大于7 kGy）的辐照处理,会影响生鲜肉色泽感官。辐照对生鲜肉脂肪氧化促进作用以及杀菌效果十分明显,在第12 d时空白组TBARS值最低,仅为0.446 mg/kg,9 kGy组数值最高,达到了0.650 mg/kg。空白组货架期仅为7~8 d,而7 kGy、9 kGy组第12 d时菌落值仍在合格肉标准内,延长了5 d货架期。挥发性风味物质种类方面,0 kGy、1 kGy组均检测出13种化合物,3 kGy组检测出了10种,5 kGy组检测出了16种,7 kGy组检测出了15种,9 kGy组检测出了14种化合物。高剂量（大于7 kGy）的辐照能够增加生鲜猪肉风味化合物的种类和含量,低剂量的辐照处理对生鲜猪肉风味促进作用不大。通过对各项理化指标的综合考虑,采用3 kGy的辐照处理生鲜猪肉效果最佳。     

直觉模糊逻辑的语义算子研究

首先引用Atanassov直觉模糊集的基本概念和运算。在阐明直觉模糊集的集中、扩张、归一化算子之后，新定义了强化算子。通过考察Atanassov直觉模糊集与Zadeh模糊集之间的关系，给出了直觉模糊语言、结构化直觉模糊语言和直觉模糊语义的数学描述，重点对基于直觉模糊集和直觉模糊关系的模糊语言的语义算子，如语气算子、模糊化算子、判定化算子及连接与否定算子等进行了研究，并举例阐明其应用，使直觉模糊逻辑的语义算子得到进一步的拓广。     

一般等价关系下直觉模糊粗糙集模型及其性质的研究

系统研究了一般等价关系下直觉模糊粗糙集模型,给出该模型多种定义形式,详细阐述了上下近似的性质,定义了直觉模糊粗糙集截集的概念,最后给出了该直觉模糊粗糙集模型的分解定理和表现定理,并证明定理的正确性。     

基于NSCT 域感受野模型的图像融合方法

针对多传感器图像融合问题,提出了一种基于非下采样轮廓波变换域感受野模型的图像融合方法.首先,采用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解;然后,对低频子图像采用改进型感受野模型进行融合,高频子图像则采用自适应Unit-Fast-Linking脉冲耦合神经网络模型进行融合;最后,将各子图像进行非下采样轮廓波逆变换,得到最终融合图像.仿真实验表明了所提出方法的有效性.     

基于Vague集的多传感器信息融合方法

针对模糊信息融合的局限性，提出了一个基于Vague集的多传感器信息融合方法。建立了基于Vague集的多传感器信息融合模型，然后给出了适合信息融合的相应定义，最后给出了该方法的数学描述、数据组织、结果评价及算法实现过程。通过实例研究，验证了该方法的有效性和正确性。     

改进的直觉模糊粗糙集相似性度量方法

针对现有的直觉模糊粗糙集相似性度量的问题,提出了一种改进的基于海明距离的直觉模糊粗糙集相似性度量方法。该方法考虑了犹豫度并引入加权参数,解决了相似性度量不精确的问题。首先给出了直觉模糊粗糙值间的相似性度量定义,并揭示其若干重要性质。在此基础上,提出了直觉模糊粗糙集间的相似性度量方法,并证明其具有同样性质。最后通过数值算例分析说明了该方法更合理、更有效。     

基于GA与IFCM聚类算法的入侵检测

针对直觉模糊c-均值(IFCM)聚类算法易陷入局部最优的问题,从适应度值标定和群体多样化2个方面对遗传算法(GA)进行优化,并将优化后的GA与IFCM算法相结合,提出一种改进的IFCM算法用于入侵检测。优化后的GA具有更优良的全局寻优特性,与IFCM算法结合后,可避免算法陷入局部最优。在KDD CUP99数据集上的仿真结果表明,与IFCM算法相比,改进算法能有效提高聚类精度和检测效率。     

一种按比例分配冲突度的证据推理组合规则

在分析证据理论不足和已有改进方法及其缺陷的基础上，根据指挥员在作战中处理冲突证据的一般习惯，提出一种按比例分配冲突度的证据组合推理规则．算例验证结果表明，新的组合推理规则在处理冲突方面的性能得到了明显改进．     

一种SVM增量学习淘汰算法

基于SVM寻优问题的KKT条件和样本之间的关系,分析了样本增加后支持向量集的变化情况,支持向量在增量学习中的活动规律,提出了一种新的支持向量机增量学习遗忘机制--计数器淘汰算法.该算法只需设定一个参数,即可对训练数据进行有效的遗忘淘汰.通过对标准数据集的实验结果表明,使用该方法进行增量学习在保证训练精度的同时,能有效地提高训练速度并降低存储空间的占用.     

基于直觉模糊粗糙集的属性约简研究

本文针对传统的离散化技术所造成的信息丢失问题,提出了利用直觉模糊粗糙集合理论来进行属性约简的方法。文中描述了直觉模糊等价关系下粗糙集的模型,并在此基础之上定义了正域、依赖度与非依赖度概念,然后详细分析了直觉模糊粗糙集属性约简算法。最后,用实例证明了该算法的可行性,并对算法的优缺点进行了阐述。