带参模糊关系合成

该文对广义λ-并算子的性质作了进一步的研究,利用该算子对通常的模糊关系合成进行了推广,提出一种带参的模糊关系合成,并给出了它的若干性质。     

多重模糊推理情形下的CRIP法

该文对模糊专家系统，模糊决策支持系统和模糊控制系统中常用的Zadeh的模糊推理合成法则CRI进行了推广，基于V^λ算子，该文提出了多重模糊推理情形下的带参数的模糊推理合成法则（简称CRIP法），它克服了传统的CRI法则的若干不足之处，能在极弱条件下满足假言推理，拒取式推理，具有推理的逼近性，通过参数的调整，CRIP法具有推理的灵活性和准确性，该文给出了参数的具体取值方法。     

关于J_2(N)遗传性的注记

本文证明I是N的理想,那末:①J_2(I)■J_2(N)∩I,②若Г是2类型I群,那末L={n∈N|ne∈L}={n-ne|n∈N}+L是极大的2类型N群,其中e是模左单位元,e∈I,L是I的2-模左理想。且L+Ie=N。     

素环中的高阶导子及其交换性

该文证明了：R是一个素环,I是R的一个非零的右理想。若D是R的一个导子满足xD^n(x)-D^n(x)x∈Z,对每个x∈I,n是某一个正整数。那么或者D（Z）＝0,或者R是交换的,其中Z是R的中心。     

关于自哈密尔顿路图

本文证明了G是一个P阶的非哈密尔顿图,G是自哈密尔顿路图当且仅当G?K_p,这就证明了[3]中的猜想是真的。     

抗几何变换的DWT-DCT域数字图像水印算法

利用不变质心点和离散余弦变换(DCT)的原理,提出了一种基于DWT-DCT域的抗几何攻击的数字水印算法.该算法对图像DWT域的高频子带进行DCT变换,嵌入水印信息,并提取三个不同搜索半径的不变质心点作为校正参数.通过攻击前后不变质心点的位置坐标,校正攻击图像,并在DWT-DCT域提取水印信息.实验结果表明:该算法对抗平移、缩放、旋转、剪切等几何攻击,具有很好的鲁棒性.     

训练模式对的摄动对单体模糊神经网络的影响

针对训练模式对的小幅摄动可能对模糊神经网络的性能产生不利影响,提出了单体模糊神经网络对训练模式对摄动的鲁棒性概念,并就训练模式对的最大保序摄动的情形对单体模糊神经网络(MFNN)进行了具体分析,一般的模糊神经网络对训练模式对摄动的鲁棒性概念可类似定义.理论研究表明:当训练模式对发生最大γ保序摄动时,在h=5的条件下,单体模糊神经网络对训练模式对的摄动全局拥有好的鲁棒性,这将有助于MFNN系统的性能分析、学习算法的选择和模式对获取.     

一种基于harris角点的抗几何攻击的数字水印算法

以在小波变换域提取出的harris角点为中心,提出了一种不依赖于同步性的抗几何攻击的水印算法。通过对水印模式结构进行精心设计,利用几个按照特定模式提取要求判别出的最大值点代表模式信号,嵌入水印信息;通过对依照模式结构提取出的最大值点进行判别,提取水印信息。该算法从根本上消除了对同步性的依赖,也不需要对图像进行区域剖分和规范化,大大节省了计算消耗。实验结果表明,该算法对抗平移、缩放、旋转等几何攻击,具有很好的鲁棒性。     

形态双向联想记忆网络的摄动鲁棒性研究

针对训练模式对的小幅摄动可能会对神经网络的输出产生副作用的问题,该文研究了形态双向联想记忆(MBAM)网络和模糊形态双向联想记忆(FMBAM)网络训练模式对的摄动鲁棒性。比较了训练模式对摄动前后2种网络输出范围的变化,理论证明了MBAM和FMBAM 2种网络的摄动鲁棒性。理论和仿真实例表明:MBAM网络对训练模式对的摄动全局拥有好的鲁棒性,其训练模式对的选取可以适度粗糙;而FMBAM网络对训练模式对的摄动不具有好的鲁棒性,则其训练模式对的选取精度要求较高。     

带参的模糊推理合成法则

该文针对单重单维的Ｆｕｚｚｙ推理，提出了一个带参的推理合成法则，使Ｚａｄｅｈ于１９７５年提出的“推理合成法则”是它的一个特例，给出了Ｚａｄｅｈ方法与它等价的充分必要条件，并克服了Ｚａｄｅｈ方法一般不满足假言推理的缺陷。该文又把这一结果推广到多维和多重的Ｆｕｚｚｙ推理．