关于Sugeno测度的截尾方法

研究了经典的截尾方法在Sugeno测度空间上的推广这一问题。Sugeno测度是一种模糊测度,它的性质得到进一步的讨论。然后我们在模糊环境下给出了截尾方法的证明,得到了关于Sugeno测度的截尾方法。这一工作推广了截尾方法的研究范围和应用领域。     

Sugeno测度空间上的一类回归估计问题的界

在Sugeno测度空间上进一步探讨了统计学习理论.给出了Sugeno测度空间上gλ随机变量的条件期望的定义;在Sugeno测度空间上利用带加性噪声的观测数据,建立了一个由级数展开表达的回归估计模型,并针对此模型给出并证明了它的一个界.     

关于Sugeno测度的收敛理论

研究了Sugeno测度空间上收敛概念之间的关系这一问题.首先介绍Sugeno测度的定义和一些主要的性质;其次提出一些新的关于gλ-随机变量的收敛概念;最后讨论这些收敛概念之间的关系.所得结论推广了经典的收敛理论,扩大了收敛理论的研究范围和应用领域.     

正则模糊神经网络在Sugeno积分模意义下的泛逼近性

首先,给出了可加模糊测度空间上Sugeno积分模的定义。然后证明了正则模糊神经网络依Sugeno积分模对模糊值函数来讲具有泛逼近性。     

Choquet积分的收敛定理

Murofushi、Sugeno等学者已对关于模糊测度的Choquet积分进行了详细的研究,但关于积分的收敛理论是不够的。本文讨论这一问题,给出Choquet积分的一些收敛定理,包括广义单调收敛定理、Fatou引理等。从中可以看出,Choquet积分与Sugeno模糊积分具有相同的收敛定理。     

关于拟概率测度的收敛理论（英文）

本文研究了拟概率空间上收敛概念之间的关系这一问题.利用类比的方法,在拟概率空间上提出了一些新的关于拟-随机变量的收敛概念并讨论了这些收敛概念之间的关系,获得了模糊测度下的收敛理论,推广了关于经典测度的收敛概念.     

关于拟概率测度的收敛理论

本文研究了拟概率空间上收敛概念之间的关系这一问题.利用类比的方法,在拟概率空间上提出了一些新的关于拟-随机变量的收敛概念并讨论了这些收敛概念之间的关系,获得了模糊测度下的收敛理论,推广了关于经典测度的收敛概念.     

(N)模糊积分

本文定义了一种新的模糊积分,它较[2]所定义的模糊积分与Lebesgue积分有更多的相似之处。特别是作为人类思维过程的模拟,较[2]更切近于实际。文中研究了这种积分的性质,证明了类似Lebesgue积分中Levi定理、Fatou定理等关于积分序列的收敛性定理,给出了把一般的模糊测度空间上的(N)模糊积分转化为R¹上以Lebesgue测度为模糊测度的(N)模糊积分的公式。§4中引进了一类特殊的所谓λ次可加模糊测度空间,给出了这种测度空间上收敛性的Егоров定理和Riesz定理并得到了该空间上的(N)模糊积分在积分号下取极限的一些充分条件。     

格值模糊测度的可能性分布表示

Dubois,Prade和Rico等对取值为有限全序集上的模糊测度与可能性测度的关系上做了深入研究,本文推广了他们的这一结果,研究了取值在De Morgan代数上的模糊测度,并通过置换与内M?bius变换,构造出两种可能性分布,证明了取值在De Morgan代数上的模糊测度可以通过一些可能性测度的下确界表示,而通过外M?bius变换,可构造出一种必要性分布,证明了取值在De Morgan代数上的模糊测度可以通过一些必要性测度的上确界表示。     

集值模糊测度空间上的Egoroff定理和Lusin定理

在集值模糊测度空间中证明了Egoroff定理,在此基础上,利用集值模糊测度的正则性,将Lusin定理及其逆定理推广到了集值模糊测度空间之中。     

离散更新过程的几何分布特征

本文证明了离散更新过程在随机区间内的更新次数的两上几何分布特征,这一结果与不可靠服务员的离散排队系统密切相关。     

局部紧空间上模糊值模糊测度的正则性

研究局部紧Hausdorff空间上模糊值模糊测度。首先,给出模糊值模糊测度的自连续和一致自连续的定义,然后引进模糊值模糊测度正则性的概念,在自连续或一致自连续的条件下,证明了局部紧空间上模糊值模糊测度的一些定理。     

拟可加测度空间上广义Sugeno积分的收敛性

在拟可加测度空间上通过引入拟乘算子重新定义广义Sugeno积分,针对依拟可加测度收敛的函数列,应用诱导算子和拟乘算子的运算性质讨论和分析广义Sugeno积分的收敛性,进而获得了这种广义Sugeno积分的单调增收敛定理.     

模糊复测度空间上可测函数列几种收敛性之间的关系

作为经典复测度和模糊测度的推广,研究模糊复测度及模糊复测度空间上可测函数列几种收敛性之间的关系.在模糊复测度空间上得到了Egoroff定理、Lebesgue定理和Riesz定理等重要结果.为模糊复分析的深入研究打下一定基础.     

任意随机多元函数序列的一类强偏差定理

本文通过概率空间上的任意测度与另一任意测度相比较,研究了任意随机多元函数序列普遍成立的一类强偏差定理.利用网微分法与分析运算法,获得了若干任意信源的Shannon-Mcmillan随机逼近定理,并将已有的关于随机多地函数序列及离散信源的结果加以推广.     

一种基于模糊信息的距离测度及应用

通过借用Shannon信息理论中的相关概念,提出了基于模糊信息测度的模糊对称交互熵(FSCE)这一距离测度。接下来证明了它是度量空间中的度量,满足非负性、对称性、三角不等式三个条件。最后利用数值例子说明了在模糊模式识别中,FSCE与常见的模糊贴近度可以得到一致的识别结果,并有其优势和实际意义,为模糊模式识别提供了新的研究方法。     

Fuzzy测度空间上的“几乎”与“伪几乎”概念

既然Sugeno的Fuzzy测度不具有可加性,那么,就有必要在Fuzzy测度空间上同时引进“几乎”与“伪几乎”这两个概念。由此,对于Fuzzy测度空间上可测函数列的收敛,也相应地出现许多新的内容。本文将讨论这些收敛之间的关系,我们得到的一系列结果推广了经典测度论中相应的定理。我们还发现,[1]中引进的集函数的自连续性这个概念对上述研究起着极为重要的作用,在一些定理中它恰到好创处地替代了经典测度论中可加性这个条件。     

Banach空间值的对称独立散射随机测度的弱*收敛性

本文定义了Ｂａｎａｃｈ空间值的随机测度的弱＊收敛的概念，并表征了Ｂａｎａｃｈ空间值的对称独立散射随机测度的弱＊收敛性．另一方面，证明了，关于Ｂａｎａｃｈ空间值的对称独立散射随机测度在较弱意义下的结果，即弱收敛推得弱＊收敛．     

若干基于模糊随机样本的SLT定理

基于模糊随机样本空间,提出了模糊随机期望风险泛函,模糊随机经验风险泛函和模糊随机经验风险泛函最小化原则等概念;基于模糊随机变量及其期望,讨论了相关概率不等式;最后证明了基于模糊随机样本统计学习理论的关键定理并研究了学习过程一致收敛速度的界等问题.     

一种基于交互熵的模糊信息测度

通过借用Shannon信息理论中的相关概念,对已有文献中基于模糊熵测度的模糊对称交互熵(FSCE)进行了改进,提出了对称改进模糊交互熵(SIFCE)这一距离测度.接下来证明了它是度量空间中的度量,满足非负性、对称性、三角不等式三个条件,并且满足有界性,还讨论了它与模糊熵之间的关系.最后提出基于该测度的模糊贴近度σ_(SIF),利用数值例子说明了在模糊模式识别中,σ_(SIF)与常见的模糊贴近度可以得到一致的识别结果,从而为模糊模式识别提供了新的研究方法.