关于BCI—代数的BCI—G部分

本文讨论了BCI-代数的BCI-G部分成为理想的等价条件.     

拟广义结合BCI——代数及其商代数的结构和性质

本文讨论了拟广义结合 BCI-代数和拟广义结合 BCI-代数关于它的 BCK-部分的商代数的结构和性质。     

低阶（≤5）BCI—代数的固执理想

讨论BCI-代数固执理想的一些性质,证明低阶(≤5)BCI-代数的固执理想都是闭理想.     

BCI—代数的并代数

本文主要讨论了真BCI－代数的“不相交”的交代数，文中给出了BCI－代数族可并的条件，并且对结合BCI－代数作了进一步地讨论。     

BCI—代数外直积的伴随半群到BCI—代数的伴随半群外直积的同态

给出了ＢＣＩ－ 代数外直积的伴随半群到ＢＣＩ－ 代数的伴随半群外直积的一个单同态,证明了这两个半群的最大子群是同构的,并且讨论了其广义ａ－ 结合部分外直积的伴随半群与其广义ａ－ 结合部分的伴随半群外直积的关系。     

BCI—代数的右理想及理想BCI—代数

引入了右理想和理想BCI—代数的概念,通过对它们的讨论,得到了一些基本性质。     

关于BCI—代数模的结构

本文提出一个涉及BCI-代数的新代数概念——BCI-代数模,并对其子结构及运算作了一些讨论,得到了若干新的结果。     

BCI-代数的自同态

讨论了ＢＣＩ－代数Ｘ的自同态与反自同态的性质．给出了Ｘ的伴随半群Ｍ（Ｘ）中自同态的刻画，即σ为Ｍ（Ｘ）中的自同态当且仅当σ为幂等元．证明了伴随半群中的反自同态一定是自同态，并指出若Ｍ（Ｘ）中存在反自同态，则Ｘ＝Ｎ２（Ｘ）．     

关于一类BCI-代数及其伴随半群的性质

研究了一类特殊ＢＣＩ－代数Ｘ＝Ｐ（Ｘ）∨ＳＰ（Ｘ）及其伴随半群,讨论了它的一些性质,得出Ｍ（Ｘ）＝Ｍ（Ｐ（Ｘ））∨Ｍ（ＳＰ（Ｘ））．证明了Ｓ是Ｍ（Ｘ）的真理想的充要条件是Ｓ为Ｍ（ＳＰ（Ｘ））的真理想;Ｍ（Ｘ）是剩余半群的充要条件为Ｍ（Ｐ（Ｘ））是剩余半群．当Ｍ（Ｘ）是剩余半群时,每一个ＢＣＩ－代数Ｘ＝Ｐ（Ｘ）∨ＳＰ（Ｘ）均可嵌入到一个ＢＣＩ－代数Ｘ＊＝Ｐ（Ｘ＊）∨ＳＰ（Ｘ＊）中,且Ｘ是Ｘ＊的子代数     

BCI——代数的对合元

本文引进了BCI—代数的对合元及对合集的概念,并讨论了它们的一些基本性质,说明了BCK—代数与BCI—代数的本质差别。     

关于BCI－代数中右乘映射的稳定子

讨论了ＢＣＩ－代数伴随半群中元素σ的稳定子Ｓ（σ）的性质，以及Ｓ（σ）与Ｉｍσ和Ｋｅｒσ之间的关系．在正蕴涵ＢＣＫ－代数中，给出了Ｓ（σ）是理想的充要条件，即每个Ｓ（σ）是理想当且仅当Ｘ是蕴涵代数     

BCI－代数p－半单部分的若干性质

给出了ＢＣＩ－代数Ｘ的ｐ－半单部分ＳＰ（Ｘ）作成理想的几个充要条件．即ＳＰ（Ｘ）是Ｘ的理想当且仅当如下条件之一成立：ａ∈ＳＰ（Ｘ），右乘映射ａｒ是单射；ａ∈ＳＰ（Ｘ），ａｒ在Ｐ（Ｘ）上的限制是单射；Ｘ是Ｐ（Ｘ）与ＳＰ（Ｘ）的直积     

诣零BCI－代数p－半单部分的特征

讨论了诣零ＢＣＩ－代数ｐ－半单部分ＳＰ（Ｘ）的元素特征，给出诣零ＢＣＩ－代数中ＳＰ（Ｘ）成为理想的两个充要条件，即在诣零代数Ｘ＝Ｎｋ（Ｘ）中，ＳＰ（Ｘ）成为理想当且仅当以下条件之一成立：（ｉ）ｘ∈Ｘ，ｕ∈ＳＰ（Ｘ），若ｘ＊ｕｋ＝０，则ｘ＝０；（ｉ）ｘ∈Ｐ（Ｘ），ｕ∈ＳＰ（Ｘ），若ｘ＊ｕｋ＝０，则ｘ＝０．并对其商代数的结合性进行了刻画     

H型BCI——代数的并代数

研究了BCI-代数族的可并条件,并且在可并BCI-代数族中给出了BGI-代数的并代数的新型结构.     

特征筛选对脑-机接口信号单次提取精度的影响

脑-之机接口的核心问题之一是通信载体信号的单次提取．在构建脑控拼写器的过程中，通过“模拟自然阅读”诱发模式产生的视觉诱发电位作为人脑与计算机之间的通信载体，采用支持向量机方法进行特征信号的单次识别．为提高识别精度，详细研究了信号时程、时段的选择对模式识别精度的影响．结果表明，信号时程越长分类精度越高，时程达到300ms时，分类精度就可达到最大值（且趋于饱和）；信号时段的选择对分类精度亦有较大影响，最佳时段在靶刺激出现后约250～350ms作为起始处．这一结果为提高系统的整体速度与精度打下了基础．     

基于视觉双特征的并行联合脑-机接口范式的研究

基于多特征的并行联合脑-机接口与单一特征脑-机接口相比,能利用更多信息和并行方式提高特征提取和系统执行效率。提出了一种基于稳态视觉诱发电位(SSVEP)和运动起始视觉诱发电位(MVEP)的双特征并行联合脑-机接口范式,通过设计3×3字符拼写范式,矩阵中纵列白色竖条按设定频率闪烁诱发SSVEP,横行中白色竖条随机运动诱发MVEP。实验表明,被试者关注目标字符时,两种特征脑电信号被同时诱发出来,并且对两种脑电信号进行特征识别能够检测出被试者选取的目标字符。联合范式并行的刺激编码方式有效节约了刺激诱发时间,为构建更为实用的联合脑-机接口提供了一种实现方法。     

形变微分算子代数的Poisson代数结构

Poisson代数是指同时具有代数结构和李代数结构的一类代数,其代数结构和李代数结构满足Leibniz法则.利用Z-分次, 通过Leibniz法则确定了形变微分算子代数L~的Poisson代数结构,说明了L~没有非平凡的结果Posson代数结构.