决策表的分布约简和严凸函数下约简的等价性

用严凸函数定义决策表的属性约简，证明用严凸函数定义的属性约简同分布约简是等价的，给出严凸函数定义的相对约简的一个判定定理。     

分级粗糙集和分级知识约简

Pawlak 粗糙集模型认为一个元素要么属于一个集合,要么不属于该集合,要么可能属于该集合,把可能属于该集合的元素的全体称为边界.Pawlak 粗糙集模型对边界的研究较少.文章认为对边界的隶属度差别较小的元素以同一个量级属于边界,从而可按一个对象对边界的隶属量级对边界进行划分.基于这一思想提出了分级粗糙集模型和分级最大分布约简、分级分布约简的概念.给出了这两种约简的判定定理及辨识矩阵以及相应的核属性的等价条件.分级粗糙集模型推广了Pawlak粗糙集及变精度粗糙集模型.     

非标准气象条件下空地导弹弹道视景仿真

为研究非标准条件下气象要素对导弹制导精度的影响,给出了一种适用于空地导弹在三维空间飞行的复合导引律,建立了非标准气象条件下的复合导引法导引弹道模型。同时给出了大气运动基本方程组(MM5方程组)易于编程计算的数值解法,采用变步长的四阶龙格库塔数值积分法,联立求解相关的微分方程组,对比分析了标准大气环境下比例导引法导引弹道和非标准气象条件下复合导引法导引弹道,得出了复合导引法导引弹道更接近真实的弹道。使用STK(卫星工具包)对某空地导弹的2种导引弹道进行了视景仿真,直观形象地显示了导弹飞行的运动轨迹。     

模糊目标信息系统的属性约简

利用粗糙模糊集的概念定义了模糊目标信息系统的α下(上)分配约简,并讨论了它们同下(上)近似约简、下(上)最大分布约简的关系.相应于下(上)近似约简、下(上)最大分布约简和α下(上)分配约简给出了把模糊目标信息系统变换成对应的一致目标信息系统的方法.证明了变换前的模糊目标信息系统的下(上)近似约简、下(上)最大分布约简和α下(上)分配约简同变换后的对应的一致目标信息系统的属性约简是相同的,从而求模糊目标信息系统的属性约简可转化为求一致目标信息系统的约简.     

基于空间曲线理论的植物叶片形态模拟

利用空间曲线理论建立了植物叶片的形态模型。通过调整参数可以得到不同种类的叶片形态,并且随着叶片轮廓线长度参数的增加,叶片可以生长。首先根据叶片的轮廓线的特征构造曲率函数族和挠率函数族,通过解空间曲线的基本方程,绘制出半边叶子的轮廓线。再利用对称性得到另半边叶子的轮廓线。综合利用投影和仿射变换方法确定叶中脉曲线。通过Loop细分得到光滑的叶面。在曲率函数是分段幂函数的情况下,证明了二维叶片的生长方向总是沿着初始叶片的对称轴方向。通过仿真试验验证了本文算法的可行性。本文的方法可以绘制出复杂的叶子。     

基于OWL的仿真想定本体构建方法

研究了作战过程,提出了基于OWL的作战单元本体、装备本体、任务本体和仿真想定本体的构建方法,采用了描述逻辑对作战相关概念、关系进行了推理,检验了概念、关系的一致性,优化了概念层次结构。通过实例分析,对构建的本体进行了检验。结果表明：该方法实现了军事领域概念的合理分类和想定数据语义的智能检测,可为想定开发人员自动地提供决策支持。     

优势关系下模糊目标信息系统约简的辨识矩阵

约简是知识获取的重要方法之一,基于等价关系的粗糙集约简理论的研究已比较深入,而优势关系下约简理论的研究还比较少。定义了模糊目标信息系统在优势关系下的5种属性约简,并且给出了它们的判定定理和可辨识矩阵。证明了辨识矩阵对应的辨识公式给出的解就是所求约简的全体.最后通过一个例子说明如何用辨识矩阵算法求属性约简。     

具有附加信息分布函数的经验欧氏似然估计

在已知Ｅｈ（Ｘ）＝０下,对总体的分布函数给出了经验欧氏似然估计,并证明了这种估计的强相合性、渐近正态性及渐近正态的阶为Ｏ（ｎ－１２）,给出了检验Ｅｈ（Ｘ）＝０的经验欧氏似然方法     

q阶三角犹豫模糊BM算子及其多属性决策应用

为解决更为广泛的模糊决策问题, 同时使决策信息与人的认知思维更为贴近, 结合q阶犹豫模糊集和三角模糊数, 提出了q阶三角犹豫模糊集的概念并定义了q阶三角犹豫模糊集运算。为了刻画信息集成过程中评价信息之间存在的关联关系, 将Bonferroni平均算子推广至q阶三角犹豫模糊集, 提出了q阶三角犹豫模糊Bonferroni平均算子。为了刻画更多的关联关系, 将广义Bonferroni平均算子推广至q阶三角犹豫模糊集, 提出了q阶三角犹豫模糊广义Bonferroni平均算子。考虑不同属性的评价信息的重要程度不同, 提出了其加权形式。最后, 提出了q阶三角犹豫模糊环境下的多属性决策方法, 并以算例验证了实验结果。     

二维多态联合概率分布及信息传输理论研究

根据不相关性与独立的等价概念,给出了有限离散随机变量的二维联合概率分布的一种描述方法.将两点值的情况推广到多点离散值的情况,当给出两个随机变量的边缘分布及合适的有限阶幂互协方差函数(或高阶相关系数)时,可得两维联合概率分布列,使两个随机变量的不相关性与独立性有一系统地描述和一个完整的表达形式.经过仿真验证了此方法的有效性.将得到的表示形式应用在数据信道通信的分析中,用信道两端的相关系数来描述输入输出的信息耦合,对信息理论是一个很好的补充.该方法与信息论中的平均互信息、数据处理定理相对应,得到非常美观的公式及非常理想的特性.