一种统一的Fuzzy化方法和代数系的Fuzzy化

§1 引言各种分明集的Fuzzy化是Fuzzy集理论基本手法之一。目前较流行的孤立的定义方法没有很好地体现出Fuzzy化是一个统一的概念。本文探讨了“拼Fuzzy集”[1]与其分明集的关系及它们在隶属函数形式上的一致性问题,从而给出了一种统一的Fuzzy化方法。     

高维微分-差分模型的Virasoro对称子代数，多线性变量分离解和局域激发模式

寻找高维可积模型是非线性科学中的重要课题.利用无穷维Virasoro对称子代数［σ(f₁),σ(f₂)］=σ(f′₁f₂-f′₂f₁)和向量场的延拓结构理论，能够得到各种高维模型.选取一些特殊的实现，可以给出具有无穷维Virasoro对称子代数意义下的高维微分可积模型.把该方法推广到微分-差分模型上，构造出具有弱多线性变量分离可解性的(3+1)维类Toda晶格.另外，该模型的一个约化方程为具有多线性变量分离可解性的(2+1)维特殊Toda晶格.连续运用对称约化方法可以得到此特殊Toda晶格的一个(1+1)维约化方程具有多线性变量分离可解性.因为得到的精确解里含有低维任意函数，从而可以构造出丰富地局域激发模式，如dromion解，lump解，环孤子解，呼吸子解，瞬子解，混沌斑图和分形斑图等等. 关键词： Virasoro代数 微分-差分模型 变量分离 局域激发模式     

BCK-代数中子集的次极大理想

在BCK-代数中引入子集的次极大理想的概念,研究了它的基本特性,将极大理想和次极大理想的某些结果进行了推广.     

固定效应空间自回归分位数模型的变量选择

本文研究了固定效应空间自回归分位数模型的变量选择问题.通过惩罚压缩相关参数,达到了同时识别空间效应、估计未知参数和选择解释变量的目的.此外,给出了变量选择的实现算法并证明了惩罚估计量的大样本性质.数值模拟和实例分析均表明了所提方法的优良表现.     

本原李超代数和李超代数的主因子

本文首先引入了本原李超代数,研究了三种类型本原李超代数及其相关的结构性质.接着引入了李超代数主因子,利用第三种类型的本原李超代数性质给出了李超代数的主因子之间存在的L-连接关系.最后,介绍了李超代数的CAP-子代数,证明了若李超代数L的所有极大阶化子代数都是CAP-子代数,那么L是可解的.     

基于最大相关熵准则回归模型的大盘指数预测

大盘指数是衡量股票市场运行情况的“晴雨表”,是投资者洞察股票市场发展态势和制定投资策略的重要依据.大盘指数的变化趋势与经济发展状况、宏观经济政策、投资者心态等诸多复杂因素密切相关,具有明显的随机性和不确定性,这导致精准预测大盘指数的变化趋势成为一个富有挑战性的问题.文章基于最大相关熵准则,使用一种新的回归预测模型,该方法将实际输出与理想输出视为两个随机变量,并采用相关熵度量它们之间的相似程度,进而基于最大熵准则构建一种新的回归模型优化函数,用于指导回归系数的确定.在实际操作中,通常基于有限样本,采用高斯核函数的Parzen窗方法估计两个随机变量的相关熵,因此可借助高斯核函数的核宽调节,解决最小均方误差准则回归模型对异常数据和随机噪声敏感性问题,从而提升预测精度.基于实测数据的实验结果表明:与自回归模型、差分自回归模型以及深度学习方法等相比,文章所提方法能有效降低异常数据对预测精度的影响,预测误差小,鲁棒性强.     

环簇上的全纯多向量场构成的Gerstenhaber代数的BV算子（英文）

复流形上全纯多向量场构成的线性空间有一个自然的Gerstenhaber代数结构.本文研究紧光滑环簇上全纯多向量场构成的Gerstenhaber代数上的BV算子,给出了该情形下BV算子存在的一个充要条件.     

稳定和非稳定激光谐振腔中的自再现模讨论

本文通过菲涅耳-基尔霍夫衍射积分方法,推导了一般稳定和非稳定球面镜谐振腔中自再现模的解析表达式,揭示了从稳定腔变为非稳腔过程中自再现模的变化规律.进一步地,本文在几何光学近似条件下得到了非稳腔的自再现模,通过与衍射积分结果对比,发现基于几何光学近似得到的非稳腔最低阶偶对称模(即基模)和最低阶奇对称模的空间分布与衍射积分结果一致.而对于更高阶的自再现模,当非稳腔接近稳定腔时,几何光学近似得到的自再现模空间分布和衍射积分结果之间存在较大差异.本文的结果可以作为激光原理教学内容的重要补充.     

基于单幅散斑的X射线强度关联缺陷检测方法

采用预置散斑的X射线强度关联成像系统需要采集大量的散斑场,成像时间较长,而单幅散斑场信噪比低,难以单独用于图像重构。然而单幅散斑场中的空间分布信息包含一定的样品结构信息,可以用于样品缺陷快速检测。基于此,提出一种基于单幅预置散斑的缺陷检测方法,该方法将待检测样品探测散斑场与标准样品模拟散斑场的相关性作为样品缺陷的评价标准。同时基于该方法模拟X射线强度涨落二阶自关联检测光路,分析不同信噪比下探测散斑场分布的图像对比度对相关系数的影响。并对比多种细节增强方法,提高检测可靠性。最终结果表明,基于单幅散斑场的方法可以有效地进行样品的快速缺陷检测。     

基于双通道残差密集网络的红外与可见光图像融合

为改善红外与可见光融合结果与源图像间的部分细节特征丢失问题,充分提取红外与可见光图像中的特征信息,提出了一种改进的双通道深度学习自编码网络进行红外与可见光图像融合。其中,双通道结构由密集连接和残差连接模块级联构成,并设置一种综合像素、结构相似度和梯度特征保留的损失函数,使该编码器结构可以充分提取红外与可见光图像的多层次特征,在融合层采用空间L1范数和注意力机制对级联双通道特征分别进行融合,最后设计对应的解码器对融合特征图像进行重构,获取最终的融合结果。通过与传统算法以及近年最新的深度学习算法进行实验对比,结果表明该方法在主观和客观上都具有优秀的综合性能。