一种参数化模糊联想记忆网络的鲁棒性分析

基于最大运算Max以及带参数ξ的t-模Tξ的模糊关系合成,提出一种参数化的广义模糊联想记忆网络Max-Tξ FAM及一种有效学习算法。由于Tξ中参数ξ的作用,在应用中Max-Tξ FAM有更大的适应性和灵活性。从理论上证明采用该学习算法时,对任意 ,Max-Tξ FAM对训练模式摄动的鲁棒性差。通过一个图像联想方面的实验检验了该结论的正确性。     

确定型格值有限自动机的最小化

给出了确定型格值有限自动机的定义,并同时给出了有效终止状态和可达到状态的定义。指出了求取DLFA M=Q,Σ,δ,q₀,σ的实质是求取Q/R_k。由此以可到达状态为基础引入了等价关系R_k、S_k与商集Q/S_k,证明了R_k=R_k-1∩S_k,由此得到Q/R_k的等价类为Q/R_k-1中等价类与Q/S_k中等价类的非空交集全体。引入了H_k,并证明了可由H_k求取Q/S_k,从而得到仅利用集合运算便可求取Q/R_k的算法,最终给出了DLFA最小化算法的一个容易实现的构造型描述和相应示例。     

不同蕴涵算子下三I方法的解

以R_M、R_Z、R₀三个蕴涵算子为基础,研究了11种形式的三I算法的解,并在此基础上给出了这11种解的同一形式：B*（y）=SUP{A*（x）∧φ（x,y）},其中φ：X×Y→[0,1]表示某一函数,而且φ（x,y）与E_Y的选取依赖蕴涵算子R_i的选取。     

基于三角模的模糊联想记忆网络

当T为t-模时,基于模糊取大和T的模糊联想记忆网络(FAM)存在局限性,当T为三角模,是t-模的广义形式,将这种FAM推广成基于Max-T的模糊联想记忆网络Max-TFAM.则Max-TFAM实现了从一个向量空间到另一向量空间的映射,从Max-TFAM的值域角度,分析了它的存储能力,并建立了一个三角模T的伴随蕴涵算子新概念,利用该伴随蕴涵算子,在无需T为连续的、严格增等条件下,提出了Max-TFAM的一个简洁的通用离线学习算法和通用在线学习算法.从理论上严格证明了只要Max-TFAM能完整可靠地存储所给的多个模式对,则这两种算法都能轻易找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者.最后,用实验证明了Max-TFAM模型和所提出的学习算法的有效性.     

几何特征在点云配准中的应用

提出一种基于几何特征的三维数据配准算法。该算法针对点云中各点p_i的k邻近点Nbhd(p_i)构造三棱锥体,将三棱锥体各侧棱p_iv_j（j=1,2,...,）和其中轴线p_io的夹角记作θⁱ_j,所有夹角按照右手系来依次形成夹角序列（θⁱ₁θⁱ_2...）作为三棱锥的几何特征。通过比较三棱锥体的几何特征来确定有效点对。算法实现时,首先对初始数据通过抽取有效点对,建立名义上的对应关系,然后采用四元组法求得坐标变换的旋转和平移矩阵,实现数据配准。     

Sugeno测度空间基于复样本的统计学习理论

引入复g_λ随机变量、准范数的定义,给出了复g_λ随机变量的期望和方差的概念及若干性质;证明了基于复g_λ随机变量的马尔可夫不等式、契比雪夫不等式和辛钦大数定律;提出了Sugeno测度空间中复经验风险泛函、复期望风险泛函以及复经验风险最小化原则严格一致性等定义;证明并构建了基于复g_λ随机样本的统计学习理论的关键定理和学习过程一致收敛速度的界,为系统建立基于复g_λ随机样本的统计学习理论奠定了理论基础。     

基于爱因斯坦t-模的模糊联想记忆的学习算法

为神经网络提供有效学习算法是神经网络研究的关键问题。文章利用t-模的伴随蕴涵算子,为基于Max和Tes合成的模糊联想记忆网络Max-TesFAM提供了一种新的学习算法,此处Tes是由爱因斯坦提出的一种t-模算子。从理论上严格证明了,只要Max-TesFAM能完整可靠地存储所给的多个模式对,则该新的学习算法一定能找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者。最后,用实验说明了所提出的学习算法的有效性。     

基于模糊粒度计算的文本聚类研究

典型的文本聚类算法是一种硬划分,但是实际上由于中文文本的多样性和大量性更适合进行软划分,模糊集理论的提出为这种软划分提供了有力的分析工具。传统的模糊聚类方法大都是通过对隶属度的矩阵逐步迭代得到模糊等价矩阵或模糊划分的方法实现聚类,这个过程需要大量的存储空间。基于模糊粒度计算的文本聚类算法是在文档集合的模糊粒度空间上给定一个归一化的距离函数d（d_i,d_j）,对距离小于粒度d_λ的文本进行动态聚类。通过实验证明此方法在解决文本聚类问题时具有降低计算复杂度和空间复杂度,适于大量文本的聚类处理。     

多值逻辑系统Hα中的子代数理论

系统H_α是一个带有参数的系统,将参数α赋予不同的值,将会得到不同的多值逻辑系统。论文研究了多值逻辑系统H_α中的子代数理论,讨论了该系统子代数的特征及相关性质,为系统H_α的进一步研究奠定了基础。     

基于一类分类的三角形和三角形相交测试

三角形和三角形相交测试是碰撞检测数据结构和算法的基本组成部分,基于支持向量机的一类分类方法对三维空间中三角形和三角形相交测试提出了一种新的算法,首先用核函数把其中一个三角形（记为T_a）训练成球心为a半径为R的超球体,然后依据另一个三角形（记为T_b上的某些点到超球体的球心a的距离d_i（i=1,2,…,n）与R的关系,判断这些点是否在超球体内。如果T_b有点在超球体内,则断定两个三角形发生相交,反之则没有。理论分析和实验结果都表明,该算法速度很快,效率较高,能够满足动画中运动物体的实时交互碰撞检测。     

蕴涵算子族R（q，p）-LGN及其三I支持算法

给出了一族新的左连续三角模族T_（q,p）-LGN族及其伴随蕴涵算子族R_（q,p）-LGN,它包括Lukasiewicz蕴涵算子、Gödel蕴涵算子及R0蕴涵算子; 提出了基于蕴涵算子族的模糊推理的思想,并给出了基于蕴涵算子族R_（q,p）-LGN的FMP模型的三I支持算法。     

R0代数中的模糊正规滤子

在R₀代数中引入模糊正规滤子的概念,给出其充要条件,得到了模糊正规滤子的扩张性质,讨论了模糊正规滤子与模糊滤子、截集之间的关系,最后,用模糊正规滤子刻画了正规R₀代数M和正规商R₀代数M/f。     

参数LP系统的三I算法与α-三I算法

给出了连续三角模族T_(p-L)及其伴随蕴涵算子族R_(p-L)的定义,并且给出了逻辑系统LP的定义;证明了逻辑系统LP与逻辑系统L的等价性,在此基础上给出了基于蕴涵算子族R_(p-L)的三I算法与α-三I算法。     

模糊联想记忆对训练模式对摄动的鲁棒性研究

基于模糊取大算子（V）和T-模的模糊合成,构建了一类模糊联想记忆网络（V-T FAM）。利用T-模的模糊蕴涵算子,给出了这类V-T FAM的学习算法。针对训练模式对小幅摄动可能对模糊神经网络的性能产生副作用,提出V-T FAM对训练模式对摄动的鲁棒性概念。理论研究表明,当T-模满足Lipschitz条件时,采用上述学习算法的V-T FAM对训练模式对摄动幅度,在系数为β的条件下全局拥有好的鲁棒性。最后用V-T FAM在图像联想方面的实验验证了理论结果。     

求解Ramsey数下界的模拟退火算法

对于图G_1、G_2,2色广义Ramsey数R(G_1,G_2)是指最小正整数P,使得每一个p阶的图G,或者G包含G_1,或者G的补图包含G_2。用改进的模拟退火算法求解得到了R(W_m,K_n),R(B_m,K_n),R(F_m,K_n),类型的一些Ramsey数的下界。     

K均值和中值滤波混合算法及其递归实现

针对标准中值滤波算法边缘保持能力较差的缺点,设计了K均值中值滤波算法和递归K均值中值滤波算法。使用K均值方法将中心像素点的邻域数据序列分成两类,将该像素点所属的这类数据的中值作为输出。为了加快算法的速度,提出了两个阈值T_L和T_H,保证在不影响结果精确性的同时尽量减少处理时间。传统的K均值算法耗时较高,论文的另一个改进是对K均值的优化处理,大大缩短了算法的处理时间。实验证明改进算法具有较好的噪声抑制能力和边缘保持能力。     

改进的Vague等价聚类分析

Vague关系作为模糊关系的一种推广,在某些情况下,比直觉模糊关系具有更强的模糊信息表达能力。通过对照关系和模糊关系的传递闭包,把求模糊矩阵的传递闭包算法完整地推广到Vague关系矩阵上,从而可以将相似Vague关系矩阵转换为等价Vague关系矩阵,进而通过设定肯定、否定双维度阀值α_t、α_f,将此等价的Vague关系矩阵转化成一个等价的布尔矩阵,最终使得达到聚类分析的目的。最后通过一个实例给出了这种聚类分析方法在模式识别中的应用。     

基于改进的差别矩阵的快速属性约简算法

为了解决基于差别矩阵属性约简的计算效率问题,首先以计数排序的思想设计了一个新的计算U/C的高效算法,其时间复杂度降为O(|C||U|)。其次分析了基于差别矩阵的属性约简算法的不足,提出了改进的差别矩阵的定义,利用快速计算核属性算法生成的核属性和出现频率最多的属性来降低差别矩阵的大小,并设计了基于改进的差别矩阵的快速属性约简算法,证明了该新算法的时间复杂度和空间复杂度分别被降为max(O|C|2Σ0≤i相似文献