强PS-不定开(闭)映射及其性质

给出了强PS-不定开映射和强PS-不定闭映射的概念,并且讨论了它们的一些性质。     

偏序集拟阵间强映射的交换性质

首先给出偏序集拟阵上秩的概念，并由此产生了偏序集拟阵间(秩)强映射的概念，这种强映射满足交换性质．然而，之后给出的(平坦)强映射却不满足交换性质．说明拟阵间的强映射之交换性质是不能直接推广到偏序集拟阵上．     

不分明化拓扑中的θ－闭包

在不分明化拓扑空间中，给出了人们广为关注的拓扑学中的θ闭包的概念，并由此定义了θ－开集、θ－闭集、θ－连续映射和强θ－连续映射．使用逻辑的语议的方法讨论了他们的有关性质，在不分明化拓扑中导入了θ－拓扑空间，描述了强θ－映射的四种等价刻划和θ－连续映射的四个必要条件     

度量空间中包含映射的公共不动点

本文了包含映射的概念,给出了紧度量空间中包含映射的公共不动点定理。推广了Ｂ．Ｅ．Ｒｈｏａｄｅｓ的公共不动点定理。     

拟阵之间的弱映射与秩弱映射

鉴于Welsh给出的拟阵弱映射与强映射关系不太自然,重新定义了拟阵之间的弱映射,并引入了秩弱映射和反射独立集的映射的概念.这就使得强映射总是弱映射,而且一个映射是秩弱映射当且仅当其扩张是弱映射.讨论了秩弱映射、反射独立集的映射以及反射闭集的映射之间的关系,利用这些映射给出了拟阵同构的等价刻画,说明了弱映射和秩弱映射也是合适的拟阵态射.     

不分明化拓扑中的θ—闭包

在不分明化拓扑空间中，给出了人们广为关注的拓扑学中的θ闭包的概念，并由此军政府了θ－开集，θ－闭集，θ－连续映射和强θ－连续映射，使用逻辑的语议的方法讨论了他们的有关性质，在不分明化拓扑中导入了θ－拓扑空间，描述了强θ－映射的四种等价刻划和θ－连续映射的四个必要条件。     

PS-内射环II

本文主要研究PS-内射环,作为morphic一环的推广,我们引入了一类PS-内射环,称之为J-morphic环．给出了J-morphic环的例子和一些性质．最后还研究了在平凡扩张下的内射性．     

拓扑空间中的θ-开集及θ-基

定义了θ-基、θ-邻域基,并讨论其基本性质.利用θ-基和θ-邻域基给出了θ-不定映射.θ-连续映射,θ-紧空间的等价刻画.     

( 1 2) -凸直觉模糊映射

在模糊数、凸模糊映射、（Ф1,Ф2）-凸模糊映射和凸直觉模糊集等定义基础上,利用直觉模糊数及其序的概念,给出了（Ф1,Ф2）-凸直觉模糊映射的定义,当Ф1,Ф2取定不同的映射时,便得到各种不同的直觉模糊映射,如凸直觉模糊映射Ф1-凸直觉模糊映射、Ф1,-拟凸直觉模糊映射、拟凸直觉模糊映射等。并给出了各种凸直觉模糊映射之间的关系．最后,讨论了一些凸直觉模糊映射的极值问题,为进一步研究直觉模糊优化问题提供了理论基础．     

L-拓扑空间中的近PS-紧性

引入了一般L-拓扑空间中的近PS-紧性概念，它是介于模糊紧性与PS-紧性之间的一种新的紧性，它保持了一般拓扑空间中紧性的一些好的性质．     

弱凸和强凸模糊映射

在两个凸集之间引入了弱凸模糊映射和强凸模糊映射的概念．指出强凸模糊映射为弱凸模糊映射;凸映射一定为强凸模糊映射,若一个普通映射为弱凸模糊映射,则它一定为凸映射．征明了两个凸模糊子集可以确定一个弱凸模糊映射;两个弱（强）凸模糊映射的合成仍为弱（强）凸模糊映射;一个凸模糊子集在一个弱凸模糊映射之下的象和原象仍为凸模糊子集．     

LF完备映射的一个注记

本文针对LF完备映射的特性引入强闭映射,讨论了闭映射和强闭映射的关系,给出了Lindelof空间的二个反例。     

基于耦合的Henon和Sine映射及彩色图像加密

针对现有混沌映射模型的混沌空间小及混沌能力弱的问题,本文通过耦合二维Henon混沌映射模型和Sine混沌映射模型,设计了一种新的二维混沌映射模型,通过耦合Sine混沌映射模型和Logistic混沌映射模型,设计了一种新的一维混沌映射模型。针对使用单一置乱方法进行图像加密时安全性能不高的问题,本文通过使用Lorenz映射设计了一种随机选择置乱算法的方法。使用本文设计的两种混沌映射及置乱选择方法,提出一种彩色图像加密方案。仿真实验结果表明,该方法具有较大的置乱范围、较高的安全性和良好的图像加密效果,对常见的攻击有较强的抵抗力,且易于实现。     

L-smooth次强不定弱映射

在L-smooth拓扑空间中引入了L-smooth次强不定映射、L-smooth次强不定开映射、L-smooth次强不定闭映射及L-smooth次强不定同构映射的概念,给出了它们的等价刻画,并进一步讨论了它们之间的关系。     

神经网络在信贷资产风险映射中的应用

综合研究了商业银行信贷资产风险因素和风险水平之间映射与其中的经验贝叶斯决策,将神经网络应用于这个不确定性和强非线性的动态映射,应用超线性收敛方法加快了神经网络的收敛速度,神经网络的训练样本函盖除农业和外贸外的大部分行业,具有比较普遍的代表地训练样本的学习精度已达到中国国有商业银行在实际风险管理中的精度要求,应用风险映射神经网络更接近实时分析,使商业银行能够对信贷资产的风险水平进行连续动态分析,并可根据商业银行信贷资产风险发展和变化的规律性实施风险的主要管理和全面管理。     

基于Arnold变换和混沌理论的图像加密算法研究

在充分考虑映射的混沌特性以及图像相邻像素间强相关性的基础上,提出基于Arnold变换和混沌理论的图像加密算法.具体的操作过程中,首先利用Arnold变换对图像进行全局置乱处理,然后利用Tent映射对置换后的图像进行混沌加密.实验结果表明:所提出的图像加密算法简便易行,鲁棒性好,安全性高.     

Banach空间中k-渐近拟伪压缩映像不动点的迭代算法

在严格拟伪压缩映像不动点的迭代算法基础上,给出了Banach空间中渐近k-拟伪压缩映像不动点的迭代算法,改进了算法,并证明了一个强收敛定理,扩展了已知的相关结果.     

变分包含与非扩张映象不动点问题公解的黏性算法

在Hilbert空间中引入和研究了一种新的迭代算法,用以寻求具多值极大单调映象和逆-强单调映象的变分包含的解集与非扩张映象的不动点集的公共元.在适当的条件下,用黏性逼近算法证明了逼近于这一公共元的某些强收敛定理.所得结果改进和推广了文献的相应结果.     

变分不等式的新的外梯度方法

本文引入了一个新的求解非扩张映射的不动点集和具有单调及Lipschitz连续映射的变分不等式的解集的公共元素的近似算法。这一算法是建立在外梯度方法和粘性逼近方法基础上的。在Hilbert空间上得到了这一算法产生序列的强收敛性定理。其内容如下：设C是实Hilbert空间H中的非空闭凸集,映射A：C→H是单调和k-Lipschitz连续的,S：C→H是非扩张映射满足Fix（S）∩VI（C,A）≠Ф,其中Fix（S）和VI（C,A）分别是S的不动点集和变分不等式的解集f：H→H是压缩映射,序列{xn}和{γn}由下列算法产生的：{x1=x∈C γn=Pc（xn-γnAxn） xn＋1=αnf（xn）＋βnxn＋（1-αn-βn）SPc（xn-γnAγn）,n=1,2,…,其中{γ},{αn}和{βn}是满足条件limαn n→∞=0和∑n=1^∞αn=∞,1〉lim n→∞ sup βn≥lim n→∞ inf βn〉0和limγn n→∞=0的数列,则{xn}和{yn}强收敛到w=PFix（S）∩VI（C,A）f（w）,这里PFix（S）∩VI（C,A）f（w）表示f（w）在Fix（S）∩VI（C,A）上的投影。本文结果推广了文献中的一些著名结果。