不完备区间值信息系统中基于相容-相似关系的模糊粗糙集方法

区间值信息系统是单值信息系统的推广模型.区间值是描述影响观测对象值的一种表示方法.然而,在实际应用中,由于遗漏、测量误差、数据传输、介质噪声等多种因素的影响,区间值往往会出现缺失值.如果忽略或丢弃包含缺失值的数据,则必须丢弃大量信息.主要针对不完备区间值信息系统,提出一种基于相容-相似关系的模糊粗糙集方法.在此基础上,推广了模糊近似算子的定义,研究了不确定性度量问题.     

基于伪随机噪声序列相干光正交频分复用系统的定时同步算法

针对传统定时同步算法的副峰干扰和低信噪比(SNR)下定时不稳定的问题,提出了一种基于伪随机噪声(PN)序列的定时同步算法。根据PN序列良好的延迟相关性和对称相关性,重新设计了训练序列的结构,并优化了定时度量函数的计算方法。仿真结果表明,改进算法的定时度量估计曲线只存在一个峰值,消除了副峰干扰。在循环前缀为四分之一符号长度与低SNR的情况下,仍可实现准确和稳定的定时。     

块运动信息加权的视频质量评估算法

有效地反映人眼视觉系统对视频的感知是客观视频质量评估的关键。提出了一种全参考视频质量评估算法。首先抽取基于结构相似度量的空间域特征和基于光流的时间域特征,然后通过将时间域特征与空间域特征进行加权,以此构造视频的空时视频质量评估指标。实验结果表明,全参考视频质量评估算法不但具有快速的计算能力,而且能够准确地反映人眼视觉系统的视觉感知效果,具有良好的视频评估效果。     

Hyperbolic metric and normal family

In this paper, we study the normality of the family of meromorphic functions from the viewpoint of hyperbolic metric. Then, a new sufficient and necessary condition is obtained, which can determine a given family of meromorphic functions is normal or not.     

聚合风险模型下Esscher风险度量的估计及其大样本性质

Esscher度量是一种重要的风险度量,在金融风险管理、保险精算中有广泛的应用,然而大部分关于Esscher风险度量的文献均在个体风险模型下考虑的.本文建立了聚合风险模型下Esscher度量的估计模型,得到了相应的非参数估计,并证明了估计的强相合性和渐近正态性,最后,通过数值模拟的方法验证了估计的大样本性质.     

关于弱拟第一可数空间的注记

给出一个弱拟第一可数空间成为弱第一可数空间的充要条件,证明了空间是弱第一可数空间当且仅当它是具有序列点Gδ性质的弱拟第一可数空间且不含Sw的闭拷贝.同时还证明了每一弱第一可数空间(弱拟第一可数空间)都是某个第一可数空间的商二到一映像(商可数到一映像),作为应用,部分回答了林寿(2007)的一个问题.     

基于EU-R准则的多属性风险决策方法

风险决策问题中确定方案间的优劣关系必须综合方案前景的期望效用以及前景风险.针对一类多属性风险决策问题,首先规范了其描述方法,其次明确了标准差-信息熵风险度量的概念,然后提出期望效用-风险评价准则,并建立方案的综合评价函数,能够反映决策者风险偏好和效用-风险权衡对决策的影响,最后通过算例验证所提方法的有效性,深入分析决策者主观态度与决策结果间的关系.     

基于角度度量法的混纺纤维定量检测

采用“基于角度度量的多变量回归方法”对维纶和腈纶混纺纤维各组分含量进行检测,并与直接用偏最小二乘法（PLS）对混和纤维的预测结果作对比。实验结果显示,PLS法对维纶和腈纶预测值与实际值的线性相关系数r均为0．9457,标准偏差为6．0906,均方根误差为6．9948。角度度量法对维纶预测值与实际值的线性相关系数r为0．9990,标准偏差为0．8929,均方根误差为2．1896;对腈纶预测值与实际值的线性相关系数r为0．9928,标准偏差为2．1896,均方根误差为3．9493。实验证明,角度度量法比PLS法更能准确表达定量关系,角度度量法可以显著降低分析操作对环境的要求,满足了近红外光谱在混纺纤维定量分析上的要求。     

一种基于加权最多邻近点距离的相关跟踪方法

针对相关跟踪过程中障碍物遮挡,噪声和目标形变对跟踪稳定性的影响,提出了一种基于加权最多邻近点距离的相关跟踪方法。采用模板图像与实时图像的相似点个数并与距离进行加权的方式定义相似性度量,结合相似度对目标模板进行更新,采用Kalman算子预测目标位置并进行分层搜索,实现快速稳定跟踪目标。实验结果表明,该方法能较好地抑制噪声和目标遮挡的影响,目标遮挡重新捕获成功率高于80%,目标跟踪精度低于10个像素。     

基于选择判据和贴近度的D-S证据融合方法

针对传统D-S证据理论难以融合高度冲突证据的问题,并考虑到证据正常时Dempster规则具有优越的聚焦性能,提出了一种基于选择判据和贴近度的证据融合方法。把贴近度概念引入到D-S证据合成中,通过证据的一致性度量来计算证据的权重,从而实现了冲突证据的加权融合。同时提出了证据修正的选择判据,将证据分成冲突与非冲突两类,对冲突的证据进行修正后再进行合成,而非冲突证据可直接进行合成。通过实例验证表明,所提出的方法不但保持了Dempster规则优越的信息聚焦性能,而且较好的解决了冲突证据的合成问题。