行列式三种定义方法的等价性

在行列式普通定义的基础上又介绍了归纳定义和公理法定义两种方法，并证明了它们的等价性．     

四元数矩阵的行列式的复表示及应用

研究了四元数矩阵的Hadamard定理的推广及改进问题,并给出了若干新的结果.     

一类不确定非线性系统的鲁棒稳定控制器的设计

运用微分流形的分布为工具，先将一类多输入多输出不确定非线性系统通过对角状态反馈变换为一个状态矩阵为区间矩阵的不确定线性系统，把非线性系统的不确定性和对角状态反馈变换误差转化为区间矩阵。再对区间矩阵系统应用实对称矩阵集合的最小上界定理进行鲁棒控制器设计，从而达到对原非线性系统的鲁棒稳定控制。最后通过一个算例验征了该方法的有效性。     

图像模糊边缘检测算法的Delphi实现

针对传统的模糊图像增强图像分割算法(主要是Pal算法)不能很好的抑制噪声的缺点，通过定义新的隶属函数和模糊增强算子，并结合图像平滑滤波处理，提出一种较好抑制噪声的模糊边缘提取思想。并采用具有可视化的程序设计语言Delphi进行可视化的图像边缘提取，充分体现了Delphi应用于图像处理的简单、快捷性。     

一种稳健的多主瓣干扰抑制方法

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。     

基于粗糙集理论的数据预处理

探讨数据挖掘过程中,数据预处理应用粗糙集理论进行属性和属性值约简的方法以及用计算机实现约简的算法.通过对医疗数据的预处理表明,利用粗糙集理论来进行数据预处理是一种十分有效的精简、求最小决策算法的有效方法.     

基于Rough Set理论的判断矩阵构造方法

群决策支持系统（GDSS）是利用信息技术，将多个决策者个人对策该领域的理解及个人判断能力结合在一起，利用结构化决策分析技术，对半结构化和非线结构化问题进行求解，层次分析法是对定性问题作定量分析的一种简便而有效的方法，提出了一GDSS环境下判断矩阵构造的新方法；运用业集理论；利用管理信息系统运行所积累的大量决策数据来分析各决策因素，决策者对决策目标的影响，并建立自学习系统，从而构造具有完全一致性的综合判断矩阵，该方法适用于重复群决策问题。     

广义判断下AHP(GJAHP)的一致性检验与可接受性的进一步探讨

广义判断下的AHP(GJAHP)是在单准则下通过构造广义判断矩阵的数学模型而建立的一种广义AHP.本文提出了广义判断矩阵一致性的一种非参数统计检验方法--spearman秩相关系数法, 给出了广义辅助矩阵的构造性定义, 并进一步探讨了广义判断矩阵的可接受性。最后本文给出了GJAHP的应用实例。     

离散混沌测量矩阵构造及其性能研究

若测量矩阵满足约束等距性(restricted isometric property, RIP),则样本能够完美恢复出原始信号。而对于给定矩阵很难验证其是否满足RIP需求,因此,本文采用李雅普诺夫指数作为一种针对离散混沌测量矩阵的验证指标。首先分析了RIP与李雅普诺夫指数之间的联系,然后给出了一种分段式混沌映射构造方法用以提高混沌性能,并从理论和仿真上证明了该方法的有效性。实验结果表明,这种方法不仅提高了混沌序列的随机性和自相关性,而且所生成的测量矩阵也具有更好的性能。因此,引进李雅普诺夫指数是一种有效的验证离散混沌测量矩阵性能的方法,提高李雅普诺夫指数能够提高混沌测量矩阵的性能。     

矩阵Drazin逆的一种算法

矩阵A的Drazin逆可表为A的多项式。为降低多项式的次数，利用Jordan标准形理论分析了矩阵Drazin逆的结构，再由矩阵最小多项式的系数，给出了一个最低次多项式d（A）的算法，使d（A）为的Drazin的逆。该算法简化了已有的矩阵Drazin逆算法。