基于广义模糊算子的工业RT图像增强

在分析传统的图像模糊增强算法缺陷的基础上,提出了一种广义模糊增强的方法。该算法通过引入广义模糊集合的概念,将图像映射到广义模糊空间,设计一个分段正弦函数作为模糊隶属度,并采用了相应的增强算子,利用广义模糊变换范围大的特点,通过对工业RT检测焊缝图像进行广义模糊增强处理,使图像获得令人满意的增强效果。引入模糊熵的方法分析增强效果,并分析了广义模糊增强算法中影响增强效果的因素。     

广义正交模糊混合平均算子及其在多属性决策中的应用

研究了将广义正交模糊集与混合平均算子相结合的决策过程及其应用.利用广义正交模糊隶属度空间比毕达哥拉斯模糊和直觉模糊隶属度空间都大的优势,把混合平均算子推广到广义正交模糊隶属空间中.首先,基于广义正交模糊集和混合平均算子的概念,定义了广义正交模糊混合平均(q-ROFHA)算子;其次,考察了广义正交模糊混合平均算子的相关性...     

模糊集的一类新广义熵

目的研究模糊集的一类新的广义熵。方法将离散随机变量的(k,q)阶广义熵推广到模糊集理论中,定义模糊集的(k,q)阶广义熵和q阶Shannon熵,讨论q阶Shannon模糊熵和q阶Re-nyi模糊熵之间的关系。结果得到了(k,q)阶广义熵和q阶Shannon模糊熵的一系列性质,并且证明了当q≥0.5时,q阶Shannon模糊熵是F(X)上的一个σ-熵。结论拓广了模糊熵,为模糊信息学的深入发展提出了新的思路。     

直觉模糊集合的基本定理

直觉模糊集合是模糊集合的扩充,而模糊集合是经典集合的扩充,因此直觉模糊集合与经典集合也有着密切的关系。表现直接模糊集合与经典集合关系的是直觉模糊集合的分解定理与表现定理。本文在K.Atanassov引进直觉模糊集的基础上,给出它的分解定理、表现定理。从而使模糊集合的基本定理得到进一步的推广。     

逆分离模糊集合((-overA)F,(-overA)(-overF))与模糊信息安全获取

利用论域的动态特征, 给出了具有属性析取特征的、由内逆-分离模糊集合与外逆-分离模糊集合共同构成的逆分离模糊集合,进而给出了逆分离模糊集合之间的模糊距离;基于逆分离模糊集合的生成,给出了模糊信息关系,进而给出了逆模糊信息智能伪装及其智能获取算法;结合椭圆曲线,给出了逆模糊信息内-伪装安全获取算法在商业领域的应用。     

粗集理论及其应用（四）粗集理论和模糊集合

首先将粗集与模糊集合进行简单对比，并介绍利用粗集的概念考虑模糊集合的粗近似，定义粗模糊集合，利用模糊划分的相似性关系研究集合的近似问题，定义模糊粗集，并介绍粗模糊集合和模糊粗集的基本特性等，最后讨论知识近似模型的统一。     

模糊边界算子

改进了R.H.Warren边界算子的定义,证明了著β是一个模糊边界算子,则β能产生模糊拓扑■,使得对任意模糊集合A,均有β(A)=b(A),其中b(A)表示在模糊拓扑■中模糊集合A的模糊边界。     

公理化模糊集合的特征及其分类

基于模糊划分和公理化模糊集合的定义，研究公理化模糊集合的特征和分类．定义公理化模糊集合的2种规范形式：模交模糊集范式和模并模糊集范式，并证明带Zadeh算子、强否定算子的公理化模糊集合的规范形式存在定理．在此基础之上，给出带Zadeh算子、强否定算子的公理化模糊集合隶属函数的特征定理，依据特征定理给出公理化模糊集合的一种分类方式，最后分析在此分类下的类之间的关系．     

模糊粗糙集合

介绍了模糊集合及粗糙集合的概念和特征。说明了模糊集合和粗糙集合之间的联系 ,讨论了模糊粗糙集合概念 ,同时 ,对模糊粗糙集合的补、交、并及等价进行了研究。为模糊集合和粗糙集合的结合建立了基础     

广义模糊粗糙集的包含度和相似度

模糊粗糙集是目前数据挖掘领域关注的热点之一，作者在Pawlak粗糙集模型基础上，把一个论域推广为两个论域；把等价关系推广为模糊关系，被近似对象换成模糊集，得到广义模糊粗糙集模型，建立了广义模糊近似空间。在广义模糊近似空间中定义了广义模糊粗糙集上的包含度和相似度，并讨论了此包含度和相似度相关性质。     

模糊控制表计算方法研究

由于模糊控制技术是一种基于规则的控制,不需要被控对象的精确数学模型,在一些复杂的非线性控制系统中模糊控制比经典控制方法有更好的控制效果.在模糊控制系统中模糊控制表有着非常重要的作用,然而,其求解方法是个很复杂的任务,为此本文提出了“模糊截集”的概念,通过“模糊截集”简化了模糊控制表的计算.     

基于包含度的模糊粗糙近似算子

1965年,L.A．zadeh提出了模糊集理论,1982年,波兰数学家Z．pawlak提出了粗糙集理论,将二结合而形成模糊粗糙集及粗糙模糊集．利用包含度的概念定义上模糊粗糙近似算子,下模糊粗糙近似算子,边界．并讨论它的性质．     

带混合学习算法的多阶段神经模糊系统模型

提出一种基于演绎模糊推理的多阶段神经模糊系统模型, 对于给定的学习样本, 通过结构学习（采用遗传算法）与参数学习（采用误差逆传播神经网络方法）过程, 能够生成适当的演绎模糊规则集, 并通过与单阶段神经模糊系统模型求解Benchmark问题的实验对比, 讨论和分析了该模型的有效性和健壮性.     

有限字符集的模糊识别方法

本文讨论了有限字符集的模糊识别方法.设此有限字符集合为X,它含有26个英文字母、10个阿拉伯数字以及30个中国的省市地名,总共有66个字符.文中采用了模糊模板匹配的方法识别字符集合X中每个元素的特征;使用合成矩阵与最大隶属原則做最后判决.可以证明,这种识别方法是符合最小距离原則的.实验表明,上述方法切实可行,我们准备将这个模糊识别有限字符集的方法用于中国汽车牌照识别系统中.     

基于遗传算法的截集FCM灰度图像分割方法研究

以截集模糊C均值聚类（Sectional Set Fuzzy C—means algorithm：SSFCM）算法为基础，提出一种自适应遗传算法（Adaptive Genetic Algorithm）改进截集FCM算法。传统FCM算法中一般使用一维直方图初始化方法，使初始化与聚类算法相分离，没有形成整体，而且同一幅一维直方图可能对应不同的原始图像。引入自适应遗传算法，与截集FCM算法有机结合，用遗传算法解决初始化问题的同时．以遗传算法的寻优性能来指导聚类。实验表明，该算法效率较传统FCM算法和未改进截集FCM算法有很大的提高，同时能够保持较好的分割效果和质量。     

自适应多层次的图像双线性广义模糊增强算法

在模糊集合论和广义模糊集合论的基础上,构造出用于模糊增强图像区域对比度的新型线性广义模糊算子.提出了一种自适应多层次的图像双线性广义模糊增强新算法,该算法利用线性广义隶属度变换及其逆变换,实现了灰度图像空间的广义模糊化与广义模糊空间的灰度化,使用线性广义模糊算子对线性广义模糊隶属空间进行了区域对比度模糊增强,最终利用"MIN" 算子提取出了增强图像的边缘轮廓.基于模糊熵的多层次阈值灰度选取过程,体现了算法的自适应性与实用性.实验表明,该算法能够快速无失真地同时增强图像中不同层次的边缘信息,所提取出的增强图像边缘准确、层次分明.     

基于粗糙集理论的模糊综合评判权值确定

模糊综合评判在圈闭、区带等含油气性有利区预测及其优劣程度进行定量分析评价中发挥着非常重要的作用。在模糊综合评判中,参评地质因素的权值确定也非常重要。应用粗糙集理论,对原始地质数据进行挖掘,利用其求得各项参评地质因素的属性重要度,并将其权值化处理作为其权重系数,克服了传统方法确定权重系数的主观性,这样使得评价结果更具客观性,从而提高模糊综合评判精度。最后,以塔里木盆地塔西南凹陷圈闭评价为例,用此方法求得评价所需的各参评地质因素的权重系数。     

路面结构使用性能的模糊评估及维修策略

运用模糊数学理论,对路面结构使用性能进行了评估;在此基础上,建立了路面结构维修决策的数学模型。本文研究成果可为道路工程科学化管理奠定一定基础。     

Fuzzy 积分变换的性质和应用

本文提出了一种Fuzzy 积分变换,讨论了它的若干性质和在Fuzzy 集、S-型积分、Fuzzy 数的度量中的应用.