DFL程序设计语言数据类型的研究

给出了一种动态模糊逻辑（DFL）程序设计语言,拟用来处理动态模糊数据。并在此基础上进一步研究动态模糊数据在计算机中的表示和处理。     

一个新的单调类定理

定义了一个新的集类M-类,并给出了M-类的单调类定理.     

网络游戏玩家需求评估方法

针对网络游戏玩家需求信息的模糊性和不确定性,构建了玩家需求重要度评估模型,提出了基于模糊集和熵的玩家需求重要度评估方法.引入对称三角模糊数表达玩家需求信息,最大程度地包含了玩家评价中的模糊元素;建立了基于玩家需求的模糊决策矩阵,用熵的方法确定玩家需求的重要度.最后,通过网络游戏虚拟物品设计的实例验证该评估方法的可行性和有效性,证明能用较少的、模糊的调查数据获得客观的、准确的玩家需求信息.     

特征列、Grbner基和良性基方法的实施、比较和改进

对良性基方法和微分特征列方法进行算法化,然后把这种方法在MAPLE中实现并和软件中的Grbner方法进行比较。     

全纯函数的正规族与分担集

利用分担集合的思想证明了定理：设F是单位圆盘内的一族全纯函数族,a1和a2是2个不同的有限复数且a1＋a2≠0;当α≥1时。如果对于任意的f∈F,Ef（S）=Ef′（s）,S={a1,a2}在单位圆内成立,那么f是一个α-正规函数．     

基于粗糙集理论的数字图像水印嵌入策略

针对粗糙集理论应用于数字图像信息处理的可行性,提出基于粗糙集规则推理的水印嵌入策略选择方法.将载体图像视为知识系统,按照水印算法对视觉效果或者鲁棒性能的需求设置属性,并划分等价类.通过属性的约简和确定性因子的度量筛选出适合水印嵌入的位置.通过测试图像的实验证明该方法的有效性和可扩展性.     

基于蚁群算法的属性约简方法

在粗糙集理论中属性约简是个NP-hard问题,已有的方法都有不同的局限性.由蚁群算法的启发,通过粗糙集将条件属性集映射到有向图结构,并采用蚁群协作共同完成求解,提出了属性约简的蚁群算法.     

基于粗糙集的图像平滑研究

由于图像信息本身的复杂性和它们之间有较强的相关性,在处理过程中可能出现不完整性和不确定性问题.粗糙集理论是一种新的处理模糊和不确定性问题的数学工具.本文提出一种粗糙集理论和传统的选择式掩模平滑法相结合的新的图像平滑算法,该算法首先通过像素点的粗糙集近似相似度来判断像素所属的掩模,然后对图像进行平滑处理.该算法利用Matlab编写实现,仿真试验结果表明该算法比传统算法有很大改进,在去除噪声的同时,保持了图像的细节,提高了图像的对比度,质量高于传统的预处理方法处理的图像.     

一种新的区间二型模糊集排序方法

区间二型模糊集排序是模糊决策领域中的一个重要内容,然而文献中排序方法在某些情形下无法区分区间二型模糊集的排序顺序.针对这一问题,给出了一种新的基于模糊集内心的排序方法,依据排序值的大小来确定区间二型模糊集的排序顺序.与已有排序方法相比较,所给方法能够有效区分区间二型模糊集的排序顺序.     

粗糙集三支决策理论及其应用

利用粗糙集中的三支决策思想,将类用正域、负域和边界域刻画,得到初始聚类结果。然后通过定义重叠度和类与类的合并策略,将初始聚类结果进行合并,得到最终聚类结果。之后应用2个关系网络数据展示了具体的聚类步骤,并通过比较2个例子的聚类结果,分析了影响聚类结果的一个主要因素:阈值的选取。实验表明:阈值的选取对简单的网络结构数据集的聚类结果的影响并不明显,然而对复杂的网络结构数据集的聚类结果的影响则较为显著。