感觉抽取的定性映射模型

将其检测属性的定量属性值转化为定性属性值（或性质）是感觉系统的一个基本功能，根据属性的哲学定义，本文给出了属性、定量属性值、性质、定性映射和定性基准等术语的哲学—数学定义，并指出：感觉抽取可归结为一个定性映射．

感觉抽取诸映射间的关系结构

本文给出了思维的一个可操作定义，提出了基于属于计算的感知与认知模拟的数学理论和方法属性论，分析了感觉抽取中的属性数值检测、属性数值－特性转化、感觉特性抽取和感觉属性自身数值与特性值间的对应等映射间的关系结构，为深入研究属性论提供了一个基础。

感觉数据特性抽取的面向对象实现技术

针对感觉系统给出了面向对象程序设计基本概念在属性论语义下的描述，提出了感觉数据特性抽取知识结构模型的表达和面向对象型模型处理过程的形式化体系。通过实例表明，该模型实用，直观。

KDD中基于感觉数据特性抽取的概念提升

感觉识别和概念的判断分别是直觉思维和逻辑思维的基础,对感觉数据特性的抽取可归纳为一定性映射,本文以感觉数据特性抽取的定性映射为模型,提出一种概念提升的新方法和神经网络学习算法,相比传统的提升方法,该方法更符合人们思维推理的习惯,对确定每一模糊概念隶属度问题似乎变得简洁,实用直观,通过对基准族学习,实现对感觉概念属性的检测。

从属性量检测到质特征定性的感觉特征抽取模型

提出了将感觉信息处理建立在属性操作研究上的基本观点 .给出了属性量 -质转化规律的定性映射模型 (QM) ,和 QM与人工神经元的 TLU(Threshold Logic Unit)模型的等价性定理 .根据感觉简单细胞和皮层神经元能对其敏感属性 a(x)的量 da(x)及相应质特征 pd(x) ,分别作出反应 (或检测 )和定性抽取的实验事实 ,提出了一个从量检测到质特征定性的感觉特征抽取模型 .