基于Choquet积分的多属性正态分布区间数决策方法

在Choquet积分的基础上,提出了正态分布区间数的关联有序平均（NDINCOA）算子。该算子不仅考虑了属性的重要性,而且能够反映出属性的相互关系。值得指出的是存在的一些正态分布区间数平均算子都是该算子的特例。最后举例说明了该算子在不确定多属性决策中的应用,结果表明该方法是可行的。     

基于四元数表达的模糊矢量形态学算子

由于经典的形态学算子不能直接拓展到彩色图像处理中,提出一类基于四元数表达的模糊矢量形态学算子.该算子利用四元数表达彩色图像并结合其分解特性,将彩色图像的模值、四元数的垂直分量和角度信息作为词典编纂顺序的3个边缘分量.3个分量一方面去除了彩色图像多通道数据的相关性,另一方面更便于词典编纂顺序等级的划分.并利用模糊数学解决了现有词典编纂顺序存在的等级判定难以深层进入的问题,给出了基于四元数表达的模糊矢量排序算法.与现有的矢量排序算法相比,新的矢量排序算法同时考虑了各分量的作用,并将判定进行到词典编纂顺序的最后一层,实现了矢量的正确排序.基于新的矢量排序规则,定义了矢量形态学算子,并将新的矢量形态学算子应用于彩色图像滤波、分割中.实验结果表明,与现有的矢量形态学算子相比,新的矢量形态学算子在平滑彩色图像噪声的同时保留了图像细节,并能正确地分割多类彩色图像,具有较高的鲁棒性及实用性.     

一种新的信号二进小波变换模极大值重构信号的迭代算法

基于Hilbert空间单调算子理论和求解单调算子方程的迭代算法, 给出了一个新的基于信号二进小波变换模极大值重构信号的迭代算法, 证明了算法的收敛性. 同Mallat的交替投影算法相比, 该算法更加简单、快速和有效. 数值实验表明, 对于不同类型的信号, 该算法仅需要较少的几次迭代, 就可获得较好的重构效果.     

算子模糊逻辑定量模型的局限性

在定量的意义下讨论了算子模糊逻辑的语义解释方法，证明了多项式意义下模糊算子运算定义方法的唯一性，并以此为基础重新修正和改进了已有的算子模糊逻辑定量模型及其归结方法。     

αβ■(ABO)图像去噪模型边缘检测算子的改进

为了能够更好地检测图像的边缘和纹理,并有效地去除噪声,在αβ■(ABO)图像去噪模型的基础上,提出一种综合利用梯度模和水平集曲率模作为图像边缘检测算子的去噪模型。该模型保持了曲线边缘、角点等图像特征,同时,和传统的PM模型、TV模型、Y-K模型以及αβ■(ABO)模型相比,使用该模型去噪后,图像的峰值信噪比(PSNR)有了明显提高,而均方根误差(RMSE)则明显降低。最后,仿真实验证明了该方法的有效性。     

离散时滞标准神经网络模型及其应用

为了能够方便地分析离散递归神经网络（RNN）的稳定性，以及解决目前比较难的离散非线性系统的控制器的综合等问题，类似于鲁棒控制中的标准模型，提出一种新的神经网络模型——离散时滞标准神经网络模型（DDSNNM），它由离散线性动力学系统和有界静态时滞（或非时滞）非线性算子连接而成。利用不同的Lyapunov泛函和S方法推导出基于线性矩阵不等式（或非线性矩阵不等式）的DDSNNM全局渐近稳定性和全局指数稳定性的充分条件。大多数离散时滞（或非时滞）RNN稳定性分析或包含神经网络的非线性控制系统都可以转化为DDSNNM形式，从而进行稳定性分析或镇定控制。从DDSNNM应用于离散时滞细胞神经网络（CNN）的稳定性分析以及非线性控制系统的综合实例可以看出，DDSNNM不仅使得大多数RNN的稳定性判定简单易行，而且为非线性系统的控制器设计提供新的思路。     

用κ-ε紊流模型计算跌坎水流数值方法探讨

采用一种欧拉-拉格朗日（Eulerian-Lagrangian）相结合的剖开算子方法,用三角形网络离散流场,由κ-ε紊流模型数值求解了二维过跌坎水流.用特征线法解对流算子,用有限元法解扩散算子和圧力波松方程.算例表明,主要计算成果和试验结果能较好吻合,该法能很好适应解强非线性对流算子的复杂紊流流场.文中还对模型的边界条件处理进行了探讨.     

用基本逼近算子加附加插值算子构造三角曲面片

提出了构造三角曲面片的一个新方法. 新方法通过基本逼近算子加上附加插值算子构造满足给定边界曲线和跨界切矢的三角曲面片. 基本逼近算子由逼近插值条件的5次多项式构成, 附加插值算子用边点法产生. 基本逼近算子和附加插值算子在构成三角曲面片中具有不同的作用, 前者使三角曲面片以五次多项式精度逼近插值条件, 而后者则使三角曲面片满足给定的插值条件. 所构造的三角曲面片可以重构五次多项式曲面. 给出了新方法和其他两种方法进行比较的结果.     

基于MRF的统计预测提升算子的构造与应用研究

根据图像的统计信息, 在Markov随机场(MRF)的理论基础上, 构造了一种新的非线性算子即统计算子, 提出了基于该算子的一种非线性提升小波分析方法. 并根据MRF的条件概率分布, 在理论上证明了采用基于统计算子的非线性提升小波变换可使图像变换后, 在无量化失真的前提下, 提高高频子带的零高频系数. 将该方法与现有的几种非线性形态学小波分析方法以及S+P变换和JPEG2000采用的5/3和9/7线性提升小波变换进行了不同图像的测试分析, 实验结果显示, 利用这种基于统计算子的提升小波分析方法对医学图像和混合文档图像变换后可取得较低的加权熵.     

基于身份密码系统下Canetti-Krawczyk模型的安全扩展

Canetti-Krawczyk(CK)模型是分析密钥交换协议的一种形式化方法, 如果一个密钥交换协议用该模型证明是安全的, 则CK模型能够确保该协议具备许多安全属性. 但是我们发现在基于身份的密码系统下该模型不具有确保密钥生成中心(KGC)前向保密性的能力, 而对基于身份的密钥协商协议来说KGC前向保密性是一个重要的安全属性. 通过分析研究发现引起该缺陷的主要原因是CK模型没有充分考虑在基于身份的密码系统下攻击者的能力, 所以在该系统下通过对CK模型增添一个新的攻击能力: 攻陷KGC, 来对该模型进行了相应的扩展, 通过扩展该模型具有确保KGC前向保密性的能力.     

基于太赫兹时域光谱图像序列的运动检测研究

太赫兹时域光谱（THz-TDS）图像是一种新的图像形式,THz—TDS图像的每个像素点是一个一维时间脉冲信号,该信号承载了像素点位置处目标材料在太赫兹（THz）波段的吸收谱或散射谱：由于THz频段覆盖了许多有机大分子和半导体材料分子振动和转动的频率,可以预计,随着THz技术发展的不断深入,THz—TDS技术乃至THz—TDS图像分析技术将会成为研究这些材料基础问题的重要手段。本文针对THz-TDS图像的特点,提出了一种对在THz-TDS图像序列中的目标微小运动进行检测和估计的方法。该方法通过假设目标材料的局部THz特性保持守恒,导出了目标物的运动方程,并通过引入矢量同质微分概念,给出了该方程的近似求解方法。本文最后给出的实验结果验证了方法的可行性和有效性.     

On the origins and foundations of Laplacian determinism

In this paper I examine the foundations of Laplace’s famous statement of determinism in 1814, and argue that rather than derived from his mechanics, this statement is based on general philosophical principles, namely the principle of sufficient reason and the law of continuity. It is usually supposed that Laplace’s statement is based on the fact that each system in classical mechanics has an equation of motion which has a unique solution. But Laplace never proved this result, and in fact he could not have proven it, since it depends on a theorem about uniqueness of solutions to differential equations that was only developed later on. I show that the idea that is at the basis of Laplace’s determinism was in fact widespread in enlightenment France, and is ultimately based on a re-interpretation of Leibnizian metaphysics, specifically the principle of sufficient reason and the law of continuity. Since the law of continuity also lies at the basis of the application of differential calculus in physics, one can say that Laplace’s determinism and the idea that systems in physics can be described by differential equations with unique solutions have a common foundation.     

基于磁性微泡对比剂的超声和磁共振影像融合算法

文中提出了一种新的基于磁性微泡对比剂的超声影像和磁共振影像之间的融合算法．首先利用磁性微泡对比剂对体模进行超声和磁共振显影,并对显影进行边缘分割．运用非采样contourlet变换（nonsubsampled contourlet transform．NSCT）对源图像进行分解,然后对低频子带系数采用自适应动态加权非负矩阵分解（dynamic weighted non-negative matrix factorization．DWNMF）结合分割图像进行融合．然后对各带通方向子带系数采用空间频率激励的脉冲耦合神经网络进行融合,最后利用NSCT逆变换得到融合图像．研究结果表明,利用磁性微泡对比剂并结合上述算法对超声影像和磁共振影像进行融合,可以获得预期的融合效果．     

Modelling non-normal first-order autoregressive time series

We shall first review some non-normal stationary first-order autoregressive models. The models are constructed with a given marginal distribution (logistic, hyperbolic secant, exponential, Laplace, or gamma) and the requirement that the bivariate joint distribution of the generated process must be sufficiently simple so that the parameter estimation and forecasting problems of the models can be addressed. A model-building approach that consists of model identification, estimation, diagnostic checking, and forecasting is then discussed for this class of models.     

Forecast accuracy after pretesting with an application to the stock market

In econometrics, as a rule, the same data set is used to select the model and, conditional on the selected model, to forecast. However, one typically reports the properties of the (conditional) forecast, ignoring the fact that its properties are affected by the model selection (pretesting). This is wrong, and in this paper we show that the error can be substantial. We obtain explicit expressions for this error. To illustrate the theory we consider a regression approach to stock market forecasting, and show that the standard predictions ignoring pretesting are much less robust than naive econometrics might suggest. We also propose a forecast procedure based on the ‘neutral Laplace estimator’, which leads to an improvement over standard model selection procedures. Copyright © 2004 John Wiley & Sons, Ltd.     

卡通—纹理字典学习的图像分解方法

结合变分方法与字典学习,提出一个新的图像分解变分模型和由扩散流引导的字典学习算法.实验结果表明,和已有图像分解方法相比,新算法自适应性强,不仅可以更好地将图像的卡通和纹理分开,而且能有效地将纹理中的噪声去除.     

求同存异的非局部图像去噪

非局部方法是近年来图像恢复领域最重要的方法之一,这类方法的关键在于如何理解和描述自然图像的自相似性质.本文通过对自相似性质的深入分析,提出描述自相似性质的两个原则：1）＂两方向＂原则：利用隐含在图像中的两方向相关结构.2）＂求同存异＂原则：利用相似性的同时保持各相似块之间的相对差异.然后利用奇异值分解建立了一种符合这两个原则的非局部图像去噪模型.该模型能获得很好的去噪效果.     

一种基于边缘检测的小波包非对称分解在图像编码中的应用

图像的像素点的值分布并不是均匀的，而是集中地分布在一些区间之内。小波包分解是将频带等分为2j个新的子带，但很多子带里只有少数无用的孤立点；而在像素点集中的子带里，如果要进行更细的分解，将使子带数量呈指数级数增长。本文提出一种方法先对图像进行边缘检测，得到边缘与非边缘部分。对于像素点集中的几个部分，再分别对这几个部分定义不同的细度并采用小波包非对称分解再进行进一步细分，对于少数无关紧要的孤立点则舍弃。这样既保持了图像的有效信息，又能极大地减小图像编码的冗余度。