单峰映像相序的非负性

以逻辑斯蒂映像和帐篷映像为例研究了单峰映像的方向相,通过理论与数值的方法详细分析了系统的运动轨道及系统状态的不变测度,从而证实一般单峰映像都具有非负相序这一普适特性.     

Banach空间中带弱压缩的非扩张映像的黏性逼近方法

在Banach空间中用带弱压缩映像的黏性逼近方法,得出了非扩张映像迭代序列收敛于不动点新的充分必要条件.这一结果推广和改进了非扩张映像迭代序列收敛于不动点的充分必要条件,并可应用于一些学者最新研究结果.     

度量空间的子序列覆盖可数到一映像

通过推广■0弱基,得到■0-cs*网,并借助这一概念刻画了度量空间的子序列覆盖可数到一映像,同时还得到了度量空间商映像的一个新的等价刻画,拓展了研究度量空间可数到一映像的方法.     

离散混沌系统的参量自适应同步

利用参量自适应方法研究了离散混沌系统Logistic映像与Hcnon映像的同步．给出了Logistic映像、Henon映像在该方法下实现同步的充分条件,其结果与数值模拟结果相一致．     

边界連續映像、几乎連續映像、局部連通映像的連通性及連續性

近年来,许多数学工作者已经开始对拓扑空间中的非连续映像进行了研究。在J.Nash提出连通映像概念以前,人们研究了连通集的像仍为连通集这种保通映像的性质,但是,由闭n-cell到自身的保通映像末必有不动点。O.H.Hamilton于1957年在中借助于自己引进的边界连续映像概念,证明了“闭n-cell到自身上的连通映像必有不动点”。同时,他提出问题:“闭n-cell(n≥2)上边界连续映像是否必然是连通映像?”P.E.Long在中给出一个边界连续映像是连通映像的充分条件。本文在第一节中继续研究了这个问题,推广了P.E.Long的结果,并得到闭l-cell到自身上的边界连续映像的不动点定理。     

渐近伪压缩映像的Reich-Takahashi迭代序列的强收敛性

在任意Banach空间中研究了一致L-Lipschitz渐近伪压缩映像的Reich-Takahashi迭代序列的收敛性.得到了Reich-Takahashi迭代序列逼近一致L-Lipschitz渐近伪压缩映像不动点定理.不要求空间范数的一致可微性,推广了近期一些文献的相关结论,对论证方法作了较大改进.     

复合隐格式迭代序列逼近严格伪压缩映像族公共不动点

Osilike证明了隐格式迭代过程逼近严格伪压缩映像族的收敛定理及相关结果,改进了Xi与Ori在关于非扩张映像族的结果.本文建立了严格伪压缩映像族的隐格式组迭代过程,进而证明了隐格式组迭代过程逼近严格伪压缩映像族的收敛定理及相关结果.改进与拓广了Osilike的结果.     

Banach空间多值Ф-强伪压缩映像不动点的迭代逼近

在一般Banach空间中,利用多值映像一致连续的性质,研究了多值Ф-强伪压缩映像不动点的具误差的Ishikawa及Mann迭代逼近问题,得出了Ishikawa,Mann迭代序列强收敛的一个充分条件.由于单值映像是多值映像的特殊情况,故该结果改进和推广了近期相关结果.     

非扩张映像和非扩展映像公共不动点的强收敛定理

在Hilbert空间中,设计了两种新算法用以逼近非扩张映像和非扩展映像的公共不动点,并利用所提出的算法证明了两个关于非扩张映像和非扩展映像的公共不动点的强收敛定理.     

Banach空间多值Φ-强伪压缩映像不动点的迭代逼近

在一般Banach空间中,利用多值映像一致连续的性质,研究了多值Φ强伪压缩映像不动点的具误差的Ishikawa及Mann迭代逼近问题,得出了Ishikawa,Mann迭代序列强收敛的一个充分条件.由于单值映像是多值映像的特殊情况,故该结果改进和推广了近期相关结果.     

分布式矢量地形图存储模型研究

根据矢量化地形图数据库文件分布的区域特点，借助分布式数据库的思想，对地形图的数据库文件进行分布式存储，充分利用了计算机网络空间．利用分布式网络计算机并行存储与管理矢量化地形图。解决了矢量化地形图海量图元管理与图形分割的难题。为提高矢量化地形图的管理速度的并行计算提供了技术支持.     

卡通画的非真实感绘制技术

提出了一种无需专门的硬件,无需用户参与,直接对原图像进行操作的卡通画渲染方法。该方法使用双边滤波器对输入图像进行抽象化,修改视觉上重要特征的对比度,然后对抽象化的图像进行色彩量化来模拟卡通画的着色风格。为提高结果的可视化程度,对图像进行风格化边缘提取,最后将色彩量化后的图像与风格化边缘图进行融合。     

一种新的自组织神经网络算法

为有效提高矢量量化码书的性能和学习效率,需进一步改进自组织神经网络的学习算法.在分析Kohonen自组织特征映射算法(SOM)的基础上,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中,实验表明,FSOM算法具有聚类特性好和训练速度快等优点,是一种有效的码书设计算法.     

基于高维广义猫映射的图像加密算法

提出了一种四维广义猫映射,并构造了一种基于该映射的图像加密算法。将三维广义猫映射扩展至四维广义猫映射,通过将图像的像素坐标和灰度值作为广义猫映射的初始值,映射参数和迭代次数作为密钥实现图像加密。与常见的低维混沌猫映射加密算法相比,该算法具有更大的密钥空间及更高的加密速度,可作为加密系统的一个子模块用于常规网络或中高速无线传感器网络图像、数据块和视频的加密传输。     

特征主元提取与自组织影射的剖析

剖析了用神经网络实现特征主元提取（ＰＣＥ）、自组织特征影射（ＳＯＦＭ）、类扩展自组织语义影射（ＳＯＳＭ）和改进的特征细化自组织影射．通过对运载工具的特征压缩，进行可视性分析，结果表明ＰＣＥ和ＳＯＦＭ都能显示事物间的类似程度和关系结构，具有语义影射的功能．特征细化的ＳＯＦＭ同样能达到类扩展ＳＯＳＭ细化分类的功能，它克服了类扩展的ＳＯＳＭ增加输入特征的维数、增加不必要的计算量、输入特征与影射结果不相一致的缺点．     

基于三维猫映射的彩色图像加密算法

在传统的利用混沌映射时灰度图像进行加密算法的基础上,将三维猫映射应用于彩色 图像加密,提出了一种新的彩色图像加密算法．猫映射系数矩阵由高维混沌系统Lorenz映射 产生,随机性强,对映射后的三个彩色分量进行随机比例变换,比例变换矩阵由一维无限折 叠映射产生,进一步增加了保密强度,能够有效的抗明文、选择性明文以及唯密文攻击,可 以广泛地应用于多媒体数据的保密通信中．     

基于SOFM神经网络的图象矢量量化的研究

分析了自组织特征映射（ＳＯＦＭ）算法,讨论了按加权函数控制邻域半径的方法,并对ＳＯＦＭ算法应用于图象矢量量化进行了系统的仿真实验研究,为实际应用提供了实验依据和基础。     

神经网络矢量量化的设计与实现

设计了一种混合神经网络矢量量化编码方法。利用Ｋｏｈｏｎｅｎ网络的自组织聚类功能设计矢量量化器码书，实现矢量量化，用３层ＢＰ网络完成码字的信道符号编码。该神经网络矢量量化编码器能够并行处理输入矢量，速度快，效率高，适用于语音和图像数据压缩     

基于猫映射的混沌通信改进方案

针对混沌同步的混沌通信方案存在的安全问题,提出了一种基于猫映射变换的改进方案.利用回归映射破解方法和功耗分析破解方法,攻击者可在混沌系统参数未知的情况下破解混沌信号.在所提出的改进方案中,发送端使用猫映射变换将混沌序列置乱,利用置乱后的混沌序列作为载波进行通信;在接收端进行猫映射逆变换恢复出原始混沌序列,进而实现混沌同步,完成解调.所提出的改进方案简单、易于实现,能够有效地抵抗回归映射和功耗分析的破解.     

基于Arnold cat映射与ECC的图像加密方法

提出了一种基于Arnold cat映射以及椭圆曲线密码体制的图像加密算法.首先对图像用Arnold cat变换进行置乱,用Logistic混沌系统产生的整数序列替换Arnold cat变换的参数空间,从而抵制图像置乱部分的周期迭代攻击.再对图像像素依次用椭圆曲线加密体制进行加密,将置乱图像划分为大小相同的图像块,为每一图像块分配相同的密钥,在保证了安全性能的同时也大大提高了算法效率.理论分析和实验结果表明,该算法安全性能高,加密效果理想,是一种可靠的加密方法.