基于Ploya模型的数字图像融合技术*

提出了一种在空间域对数字图像进行融合的隐藏技术。该算法利用Ploya概率模型,由多幅图像对一幅秘密图像进行隐藏。为了降低图像融合中的数据膨胀,考虑由少量公开图像产生多幅图像,计算机实验显示该算法能较好地用于图像隐藏,并具有一定的鲁棒性和安全性。     

覆盖多粒度梯形模糊数决策理论粗糙集模型

作为经典Pawlak粗糙集模型的推广,基于论域上的等价关系,针对风险决策分类问题,多粒度粗糙集已有研究。其特点是在力争决策的期望损失（亦称决策的条件风险）最小的条件下,比较客观地确定对象分类区域的概率描述临界值,进而进行对象的最佳分类决策。然而,在实际应用中论域上的等价关系很难把握,况且特征状态的风险损失往往带有某种不确定性。凡此,无疑在一定程度上限制了多粒度决策理论粗糙集的应用。对此进行了研究：提出了覆盖多粒度梯形模糊数决策理论粗糙集模型,分别就平均、乐观和悲观的情形进行了讨论和刻划;得到了覆盖多粒度梯形模糊数决策理论粗糙集与已有相关模型之间的关系;结果和算例表明了模型的广泛性。     

Vague集的扩展及其在模糊近似空间中的粗糙近似

考虑到具体的博弈、利益团体投票或决策过程中,Vague集的表示往往受到决策者历史知识、感性判断等因素的限制,本文借助于模糊逻辑非门算子,对经典Vague集中隶属度与非隶属度之间的关系进行了改进,提出了广义Vague集的概念。利用三角模和三角余模,建立了模糊近似空间中广义Vague集的粗糙近似,定义和讨论了模糊近似空间中广义Vague集的粗糙度度量方法。最后给出了算例。     

广义信息系统的属性约简

把完备信息系统、不完备信息系统、序信息系统、覆盖信息系统等常见信息系统统称为广义信息系统,采用新的知识表达形式将其知识结构进行统一表示,特别是将覆盖信息系统纳入了广义信息系统的框架之中。在广义信息系统中引入粒度熵的概念,对属性的重要性给出度量;在此基础上,提出一种广义信息系统属性约简的启发式算法,进而得到广义信息系统的知识约简,并给出了若干算例。     

覆盖粗糙直觉Fuzzy集模型

考虑到经典粗糙集模型中等价关系过于严格的缺陷和直觉Fuzzy集在处理不确定信息时所具有的表达力,建立了覆盖粗糙直觉Fuzzy集模型,并给出了该模型下的一些性质;接着引入了覆盖粗糙直觉Fuzzy集模型的粗糙度和粗糙熵的概念,讨论其不确定性度量;最后给出了算例。     

基于模糊集截集的模糊粗糙集模型

基于L.A.Zadeh模糊集的截集的概念给出了论域U上任意模糊子集的上、下近似的刻画,得到了基于模糊集的截集的粗糙集模型,亦即模糊粗糙集,实现了用论域U中的模糊集近似论域上的任意模糊集,进一步推广了Z.Pawlak粗糙集模型,扩展了粗糙集的应用范围。最后,研究了其基本性质以及其与其他粗糙集模型的关系。     

不完备区间值模糊信息系统的粗糙集理论

考虑到模糊信息系统的不完备性和信息值的不确定性,讨论了不完备区间值模糊信息系统的粗糙集理论,给出了粗糙近似算子的性质。研究了不完备区间值模糊信息系统上的知识发现,提出了基于不完备区间值决策表的决策规则和属性约简,最后给出算例。     

直觉模糊数的表示和结构刻划

本文给出了直觉模糊数的表示定理:包括区间表示、函数表示、嵌入定理,并将直觉模糊数空间嵌入到一类特殊的二维模糊数空间—方模糊数空间,给出了直觉模糊数的结构定理;最后,利用方模糊数与一般二维模糊数的逼近定理,给出了二维模糊数的直觉模糊数逼近。     

模糊数值函数Kaleva积分的刻划及收敛定理

通过定义模糊数绝对值的概念,表明Ｋａｌｅｖａ积分是绝对型的,给出了Ｋａｌｅｖａ积分的几个刻划定理和收敛定理。