不确定信息处理及在归纳学习中的应用

信息的不确定性是由于模糊性、随机性、不完全性、不精确性等因素造成的,不确定性信息在现实世界中广泛存在.关于这方面的研究主要集中在模糊性这种不确定性上.我们课题组在此领域的研究已经持续20余年,概括起来讲,早期的研究兴趣在于模糊(非可加)测度与积分的理论建立,主要研究了传统的可加测度与积分理论到非可加情况的推广;尔后的兴趣转向为如何用数值方法确定非可加测度;近期的研究兴趣在于从已有数据中获取模糊控制规则以及具有模糊表示的归纳学习问题.近10年的研究曾得到了多项基金项目资助,出版专著3部,发表学术论文100余篇,30余篇被SCI收录,20余篇被EI收录,省级以上奖励3项.以下是我们近期研究工作的一个总结,主要包括模糊决策树归纳;基于模糊信息的决策表简化;产生模糊规则的扩张矩阵算法;模糊归纳学习在其他领域中的应用;基于示例学习的模糊控制等.     

基于改进模糊层次分析法的茶园土壤肥力评价

Chang, Da-Yong提出的模糊层次分析法存在排序错误和权重失真的问题,针对这些问题,结合分割法和极限法,提出新的模糊三角数比较算法。这一算法满足V(M_2≥M_1)+V(M_2M_1)=1和当M_2=M_1时,V(M_2≥M_1)=0.5的统计规律,解决了排序错误的问题.此外,本文提出了新的权重算法,解决了权重失真的问题.最后,将改进后的模糊层次分析法用于茶园土壤肥力的评价中.结果显示,这一方法能够将决策者的模糊判断清晰化,如实地反映决策者的判断,并最终确定不同茶园的土壤肥力水平.     

基于Land实验的可见红外伪彩色图像融合方法

由Land在研究人类视觉颜色恒定性现象时从所做的某个实验出发,通过对该实验中所用红、绿色滤波片的理想化假设以及光源的等能分布假设,并建立红外图像与红色透明片、可见光图像与绿色透明片的对应关系,得到Land实验启发下的新的伪彩色融合算法。通过与Toet伪彩色融合算法的结果比较,说明了该方法的有效性。进而借鉴Toet算法中强调图像特有成分的思想,使本算法输出更丰富、更逼近真实景物的色彩。     

基于PSO和模糊划分熵的水下图像分割

在水下环境中,由于存在着水体对光线的吸收以及照明不均等原因,水下图像具有信噪比低、边缘模糊等特点。如果直接使用传统的分割方法,对水下图像进行处理后的效果较差。传统的基于最大熵原理的阈值法尽管能实现某些特定的分割任务,但是其时效性较差。而粒子群算法(PSO)是一类随机全局优化技术,该算法简单易实现,可调参数少。因此将群体智能中的粒子群优化算法应用到图像分割中。新方法在重新定义模糊熵的基础上,根据最大熵原理,利用粒子群算法来搜索分割阈值。相对于传统的利用穷举法来搜索分割阈值的算法,新方法大大减少了计算时间,提高了效率。通过对水下图像处理实验证明,该算法对简单背景的图像分割是有效的,和传统分割方法相比,具有更强的自适应性和抗噪性能。     

二步法大景深反射全息图

以开拓反射全息图的景深表达能力为目的,从反射全息图的共轭物像关系出发,利用反射全息图的均匀介质耦合波理论和布拉格条件,对其白光再现像模糊作了具体的分析和讨论,得到色模糊和线模糊的表达式.指出反射全息图上不同各点对任意白光再现像点的色模糊和线迷糊的影响均存在差异,给出反射全息图白光再现像的景深表达式.实验利用二步法制作了一张景深为83 cm的反射全息图,与大景深彩虹全息图再现像相比,其再现像的立体感更加强烈.理论分析和实验结果表明,光源的再现角度和观察距离对反射全息图的再现像景深大小影响显著.在再现光垂直于反射全息图平面照明情况下,反射全息图具有最好的景深表达能力.     

He-Ne激光在异种间原生质体融合中的应用

用632.8nm 12mW的氦氖激光及聚乙二醇（PEG）复合诱导融合枯草芽孢杆菌与黑曲霉原生质体.为了提高枯草芽孢杆菌的糖化酶产酶能力,对两亲本在融合中采用不同的激光照射时间,选育出的融合子与枯草芽孢杆菌亲本相比,糖化酶酶活提高了2倍,并通过酯酶同工酶谱分析对融合子进行了鉴定,结果表明:融合子遗传性状与亲本相比发生了显著变化,通过传代培养,融合子具有良好的遗传稳定性.     

高等院校数学课程教学质量的模糊综合评价研究

本文以某中医药院校开设的数学类专业基础课程为例,参照国内的高校课程教学质量评价标准,基于模糊数学理论,建立教学质量的多指标模糊综合评价模型,确定符合教学质量的隶属函数.通过MATLAB R2010b数学软件实现流程,结果表明,该模型能够较为科学、客观地反映教师的综合教学水平.     

模糊S-半置换子群的幂零性

基于文[1]、文[2]中的模糊S-半置换子群的定义及其相关性质,本文通过构造一种递减中心链对模糊S-半置换子群幂零性进行相关研究,并对幂零模糊S-半置子群的同态像进行了相关研究。     

基于极性框架的粗糙模糊形式概念分析

借助于范畴论中的伴随概念,本文提出用极性模糊伴随三元组生成模糊形式概念分析的基本框架。继而借用L-粗糙算子,构建粗糙模糊形式概念分析理论。这一新框架与已有的多伴随框架不同：对象集与属性集的模糊子集被建立在同一个真值结构之上;从两个模糊子集之间伴随三元组诱导的模糊伽罗华连接,变为三个模糊子集之间极性诱导的模糊伴随三元组。从而将多伴随框架中真值结构与模糊子集之间过于复杂的设定与伴随关系简化。基于以上结果,本文构造了一个病毒传播-医疗资源储备策略实例,用以论证极性模糊伴随三元组框架的优势以及应用前景。     

半群的(λ,μ)-Ω-直觉模糊内(双)理想

在模糊集的基础上,把直觉模糊集,Ω-模糊集相结合来研究半群,给出半群中(λ,μ)-Ω-直觉模糊内(双)理想的定义并研究它们的性质。在同态前提下,研究了(λ,μ)-Ω-直觉模糊内(双)理想的像与原像。最后在定义半群(S^Ω,?)的基础上,研究它上的(λ,μ)-直觉模糊内(双)理想与(λ,μ)-Ω-直觉模糊内(双)理想的关系。