P-集合与信息图像外变换-还原

利用P-集合,给出信息图像生成,提出信息图像变换的概念、构成结构;给出信息图像变换定理;给出信息图像变换属性特征和度量特征,提出信息图像变换-还原定理,并给出了信息图像变换在图像信息系统中的应用。     

P-集合与数据挖掘-还原

在P-集合的基础上给出了数据w的(■,F)-挖掘、挖掘尺度和挖掘还原系数的概念,讨论了数据w的属性特征,得到数据w挖掘的可分辨定理、数据的外还原与数据的内还原定理.为数据处理提供了一个新的数学工具.     

函数逆P-集合与信息规律融合

利用逆P-集合,提出函数逆P-集合。函数逆P-集合是把函数概念引入到逆P-集合内,改进逆P-集合得到的。函数逆P-集合具有动态特征和规律(函数)特征。函数逆P-集合是由函数内逆P-集合S珔F与函数外逆P-集合S珔F珔构成的函数集合对;或者,(S珔F,珔SF珔)是函数逆P-集合。在一定条件下,函数逆P-集合(S珔F,S珔F珔)被还原成有限普通函数集合S。逆P-集合是把动态特征引入到有限普通集合X内(Cantor set X),改进有限普通集合X被提出的。函数逆P-集合具有与函数P-集合相反的动态特征、规律(函数)特征。本文给出函数逆P-集合的结构、还原和它的函数等价类特征。利用数据拆分-合成原理,给出逆P-信息规律融合与它的生成;给出逆P-信息规律融合的属性特征与属性定理。利用这些结果,给出逆P-信息规律融合生成的隐形信息图像与它的应用。函数逆P-集合与函数P-集合是两个独立的、特征不同的新模型。     

内P-集合副集的σ-生成和σ-强生成

在内P-集合的基础上给出内P-集合副集A(X)、 内P-集合副集σ-生成和内P-集合副集σ-强生成的概念与结构, 并讨论了三者的关系, 得到了内P-集合副集σ-生成内P-集合副集σ-强生成的关系定理、 辨识定理及生成定理, 扩大了P-集合的应用范围.     

P-集合副集与它的性质定理

 P-集合是由内P-集合与外P-集合构成的集合对,它具有动态特性。在P-集合的基础上,给出P-集合副集、P-集合副集的(σ,τ)-生成概念与结构,讨论了P-集合副集之间、P-集合副集的(σ,τ) 生成之间的关系,得到P-集合副集的生成定理与不可辨识定理。     

P-集合与(,F)-数据生成-辨识

P-集合(packet sets)是一个集合对, 它由内P-集合(internal packet sets)与外P-集合(outer packet sets)共同构成, P-集合具有动态特性。利用P-集合,给出数据集合, 数据集合,F-数据集合与(,F)-数据集合概念;提出-数据集定理, F-数据集定理, (,F)-数据带定理,数据集合恢复定理, (,F)-数据辨识定理,给出辨识准则。 利用这些结果, 给出(,F)-数据在信息系统中的应用。P-集合是研究动态信息系统的一个新理论与新方法。     

函数S-粗集与F^--隐形图像生成-辨识

利用函数S-粗集,给出图像生成,提出F^--隐形图像的概念、构成结构、F^--隐形图像的属性特征和分离定理与还原定理,给出F^--隐形图像在图像信息系统中的应用。     

随机P-集合及其图像保真传递

在P-集合概念的基础上,根据元素迁移的随机性,首次提出随机P-集合的概念,给出P-集合的随机生成,讨论随机P-集合的随机特征,给出随机P-集合的存在背景及在图像保真传递中的应用。     

函数S-粗集与F隐形图像生成-辨识

利用函数S 粗集, 给出图像生成, 提出 隐形图像的概念、构成结构、 隐形图像的属性特征和分离定理与还原定理, 给出 隐形图像在图像信息系统中的应用。     

P-集合的P-分离与应用

P-集合(packet sets)是由内P-集合XF-(internal packet sets)与外P-集合XF(outer packet sets)共同构成的集合对,或者(XF-,XF)是P-集合。利用P-集合,给出它的P-分离(packet-separation)概念,提出P-集合的P-分离定理,给出P-分离在未知信息发现中的应用。     

具有极大P-集的实对称阵及其伴随图

实对称阵的P-集是一个基于矩阵的特征值重数以及Cauchy插值定理所提出的定义。设 为一个 阶实对称阵,记 为 的特征值0的（代数）重数,并记 为将 的第 行与第 列去掉后所得的主子阵,其中 为 的一个非空子集。特别地,当 时,称S为 的一个P-集。记 为实对称阵 的P-集所含元素个数的最大值。Kim与Shader证明了每个 阶实对称阵至多包含 个元素,即 。杜志斌与Fonseca首先将研究重点放在树矩阵（即伴随图为树的矩阵）,研究了满足 的 阶树矩阵 ,并完全刻画出 的伴随图（树）。本文将研究范围从树矩阵延伸到所有实对称阵,研究了满足 的 阶实对称阵 ,给出其相关性质,并对 为偶数时 的伴随图进行特征刻画,而对 为奇数时 的伴随图给出了猜想,推广了关于树矩阵的结果。     

P-集合及其测度空间

将P-集合的概念从有限集合推广到任意集合,在给定测度空间的基础上依据测度论的有关知识给出了P-集合的动态σ-代数,提出了具有动态特征的P-测度空间。在任意普通集合的基础上研究P-集合,为P-集合在信息安全中的应用提供了可靠的理论保证。     

一种改进的隐含相似性光学和SAR图像配准算法

光学和SAR(synthetic aperture radar)图像信息的互补性和特征表现的差异性使得两者的配准成为目前多源遥感图像处理的研究重点.隐含相似性配准从图像间存在结构上的相似性出发,将传统复杂的特征匹配过程简化为特征点集的迁移和仅需在单幅图像上对配准参数进行迭代搜索的过程,为光学和SAR图像配准提供新的思路.基于上述配准思想,研究用Canny算子改进特征点集提取过程,引入联合马尔可夫模型提高SAR图像去噪质量,以改进后的量子粒子群算法优化配准参数搜索过程,最终实现光学和SAR图像的配准.经实验证明,改进后的隐含相似性光学和SAR图像配准算法能达到像素级甚至亚像素级的配准精度.     

含蓄笔法与薛宝钗的形象塑造

薛宝钗是《红楼梦》中一个封建淑女的典型,这个典型具有非常深刻的文化内涵。曹雪芹在塑造薛宝钗这一人物形象时成功地运用了含蓄笔法,展示其隐微复杂的精神世界,深入挖掘出这个形象丰富的文化意义。本文主要分析含蓄笔法这种独特的笔法,从而揭示出薛宝钗隐藏在“行为豁达,随分从时”下真正的一面。     

Burgers方程弱隐差分解的存在性

用Poincare不动点定理,证明了Burgers方程的弱隐差分格式解的存在性,同时得到弱隐解的L2模估计.     

一般隐函数组定理的证明

在数学分析教材中已有隐函数定理及一般隐函数组定理的证明,文[1]通过压缩映射证明了隐函数定理。借助矩阵范数与向量范数的表示形式,应用Banach不动点定理证明一般隐函数组定理,其证明过程比数学分析教材中原有的证明过程更为清晰、易懂。     

浅论隐性德育场的“隐性共振”

共振原理为＂隐性共振＂的探讨提供了理论依据,文章从共振原理出发,分析了隐性德育场中＂隐性共振＂的理论依据、构建原则和途径,探讨了德育新方法,以求提高德育实效性。     

含有受控源的线性网络的隐式叠加定理

拓展了叠加定理，指出在具有多个独立源和受控源的线性电路中，任一电压、电流响应可由各独立源和受控源单独作用所得响应分量的合成来得到。文中给出定理的证明。该定理可以视为隐式叠加定理。与原来显式的叠加定理相比较，应用这一定理可以更有效地简化电路计算。     

时间内隐表征与内隐记忆

对时间表征的模型以及时间内隐表征与内隐记忆之间的相关问题进行了讨论，提出用内隐记忆的激活论、加工论解释时间内隐表征的记忆加工过程，用多重记忆系统解释时间内隐表征的记忆结构形式。