测量仪器校准间隔的模糊范数融合预测

校准间隔的预测是解决测量仪器不足校准和过剩校准的一种主要方法。现有校准间隔预测模型仅仅关注瞬时值，而随机因素的存在导致瞬时值难以精确预测。针对这一问题，在历史校准数据为小样本条件下，提出一种模糊范数融合模型，进行测量仪器校准间隔预测。首先，通过分析历史校准数据的特征和影响因素，建立了校准数据的数学描述模型。在此基础上，采用模糊范数融合模型，预测校准数据的区间。实验表明，模糊范数融合模型更能反映校准数据序列的变化趋势，克服了其它预测模型仅仅预测瞬时值的缺点，提高了预测的可靠性。

算子的模糊范数及其空间性态的刻画

利用模糊分解原理提出模糊赋范线性空间上算子的模糊范数的定义,指出赋此范数的模糊有界线性算子集构成模糊赋范线性空间且保持值域空间的完备性.

模糊范数法评估纳米添加剂润滑脂摩擦试验数据

在90%,95%和99%3种置信水平下,运用模糊范数法对添加纳米粒子润滑脂的小样本摩擦试验数据进行了评估,结果表明,添加0.5%纳米氧化锆润滑脂的摩擦力最小,减摩效果最为明显,比原基础脂能更好地延长轴承的使用寿命。

一类模糊范数及其层次结构性质

研究一类模糊范数及其层次结构性质,对模糊赋范空间的层次空间的完备性、分离性等性质进行了讨论.

模糊范数法在滚动轴承制造过程中的稳定性评估

基于模糊集合理论,运用模糊范数法,在给定本征数据序列的置信水平下,得出本征数据序列的扩展不确定度;以本征数据序列的扩展不确定度为依据,得到评估数据序列的置信水平。通过分析评估数据序列的置信水平大小,实现对滚动轴承制造过程的稳定性评估。本文所提方法可以对滚动轴承制造过程进行稳定性评估,预报效果良好。

模糊赋范线性空间中等价范数的若干性质

为了对模糊范数的若干性质和模糊赋范空间进行研究,在研究模糊赋范线性空间的同时对模糊范数及其相对应的模糊等价范数的性质进行必要研究。在此基础上讨论了模糊等价范数的相关性质,给出一些例子来说明以上研究结果的有效性。该研究结果为将来进一步研究模糊赋范线性空间提供了新的方法。

广义模糊p-伪范数与局部半凸I-拓扑向量空间(英文)

给出局部半凸I-拓扑向量空间的一个新定义,并重新命名"局部半凸模糊拓扑线性空间"为"(QL)-型局部半凸I-拓扑向量空间",研究这两种定义之间的关系,引入广义模糊p-伪范数的概念,证明每个局部半凸I-拓扑向量空间可通过一族广义模糊p-伪范数来刻画.

基于模糊二范数二次曲面支持向量机的信用评分研究

信用评分模型对于金融机构是非常重要的授信决策工具。文章提出了一个包含相同样本类离散度的模糊二范数二次曲面支持向量机模型来做信用评分研究。这个模型通过引入T检验特征加权设计了新的隶属度函数来计算训练点的模糊隶属度。在实证研究中,通过德国和澳大利亚的信贷数据的测验,相对含有高斯核的支持向量机模型、含有高斯核或者二次核的加权二范数支持向量机模型和二次曲面支持向量机模型这些目前先进的信用评分模型,模糊二范数二次曲面支持向量机模型能达到更准确的信用评分预测。

模糊赋范线性空间的有界线性算子

本文给出了有界线性算子的定义，证明对于线性算子，有界性与连续性等价。

广义模糊赋范空间中的收敛性(英文)

目的证明广义模糊赋范空间中关于收敛的一些性质。方法定义了广义模糊赋范空间,模糊收敛性,模糊有界性,柯西列和完备性。借助这些定义,证明了广义模糊赋范空间中序列的若干收敛定理。而且考虑了这种完备性和赋范空间中的完备性的关系。结果证明了以下结果:模糊收敛序列的极限是唯一的;模糊收敛序列的任一子列模糊收敛到此序列的极限;模糊收敛的序列是柯西列;柯西列是模糊有界的;任一有模糊收敛子列的柯西列是模糊收敛的;存在不完备的广义模糊赋范空间。结论说明赋范空间中的一些概念和结果可类似的在广义模糊赋范空间中建立。

一种新的直觉模糊时间序列预测方法

针对现有直觉模糊时间序列预测模型论域区间划分和序列数据直觉模糊化预处理方法存在的问题,提出了一种新的直觉模糊时间序列预测算法,通过引入滑动窗口参数准确反映不确定数据集的分布特性,利用可调参的直觉模糊C均值聚类算法优化论域区间划分标准,基于直觉模糊范数定义语言变量直觉模糊集,有效地提高了复杂环境下时序系统的预测精度。最后,通过典型实例验证了该方法的有效性和优越性。

基于直觉模糊集和直方图均衡的图像增强方法

针对模糊增强不能改善图像的对比度和直方图均衡增强存在过度增强、图像细节信息丢失的缺陷,提出了基于直觉模糊集和直方图均衡的图像增强算法。由于待增强图像包含大量的不确定性信息,给出了一种新的直觉模糊增强图像的算法,该方法通过合成像素的直觉模糊隶属度和非隶属度的方式来实现,能够显著增强图像的细节信息,但不能改善图像对比度。因此,将直觉模糊增强和直方图均衡进行融合,以直觉模糊增强为主,同时抑制直方图均衡的不足,既增强了图像的细节信息,又改善了图像的对比度。最后,通过典型的图像增强实例验证了算法的有效性和可靠性。

基于类中心和密切度的L-2范数FSVM

支持向量机(SVM)是解决回归问题的一种有效的方法,但传统的支持向量机对样本中的噪声和孤立点非常敏感。为了克服这个问题,文中提出了一种基于类中心和密切度的L-2范数模糊支持向量机(L-2范数FSVM),即模糊隶属度的建立不仅根据样本到类中心的距离,而且根据样本点和其目标点之间的密切度。仿真实验结果显示了该方法有效地减少了噪声的影响,改进了回归的精度,增强了推广能力。

模糊赋范Riesz空间的性质

本文证明了模糊赋范Riesz空间中的分解定理,引入了向上集(向下集)依模糊范数收敛的概念,并讨论了模糊赋范Riesz空间中有关收敛的一些性质。

关于(QU)型模糊拓扑环的一个特征

引入了环上的模糊伪范数概念及环上的模糊复合伪范数概念,证明了对于环上的每一个模糊复合伪范数均存在着唯一的模糊拓扑使之成为(QU)型模糊拓扑环,并且得到每一个(QU)型模糊拓扑环均可借助于环上一个模糊复合伪范数刻画的特征.

模糊Riesz空间中的模糊算子

本文首先讨论模糊赋范Riesz空间上模糊序连续范数的一些性质,得到模糊序连续范数与模糊范闭理想之间的联系,给出模糊σ-理想的等价命题,然后给出了模糊理想是模糊投影带的必要条件;最后讨论了模糊赋范Riesz空间上模糊序连续算子的一些性质及研究模糊算子扩张,得到模糊序有界正算子构成的模糊理想的性质及模糊理想上的模糊算子与模糊序连续算子之间的关系。

关于Fuzzy赋范空间的若干问题(Ⅱ)

在1984年,吴从炘、方锦暄和A.K.Katsaras分别提出了两种Fuzzy赋范空间的定义。这些概念既是赋范空间概念的自然推广,又是特殊的Fuzzy拓扑线性空间。在文[3～5]中,不仅考察了这两种定义之间的关系,还讨论了Fuzzy赋范空间的性质以及其上广义Fuzzy线性算子的连续性等。在本文中,我们将继文[4]给出Fuzzy赋范空间中子集有界性、稠密性的刻划条件并利用这些条件给出Fuzzy范数是诱出的充要条件。此外,作为诱出Fuzzy范数的推广,我们给出了两类Fuzzy范数的特征刻划。

关于T范数的广义模糊子坡(理想)

给出了广义模糊子坡(理想)及关于T范数的广义模糊子坡(理想)的概念,探讨了它们的一些性质,在此基础上得到了它们的等价刻画。

局部凸I-拓扑线性空间的若干性质

利用广义模糊半范数族来研究了Katsaras意义下的局部凸I-拓扑线性空间的某些性质,如分离性、模糊点网的收敛性、模糊集的有界性,以及同一个集上两个局部凸I-拓扑的"粗""细"比较等。

基于复原图像特征与深度视觉特征融合的锑粗选异常工况识别

本文针对锑粗选异常工况下泡沫层高度改变,导致位置固定的工业相机采集到的泡沫图像存在离焦模糊的问题,提出了一种基于泡沫复原图像特征和深度视觉特征融合的锑粗选异常工况识别方法.该方法首先通过分析不同工况下模糊泡沫图像的特点,采用基于L0和L2正则项的模糊核估计方法提取了模糊核零范数特征,再利用L–R算法提取了灰度平均梯度差特征.其次,为了往更深层次挖掘异常工况下模糊泡沫图像的特征信息,本文采用迁移学习方法,基于InceptionResNetV1深度神经网络,利用大量泡沫图像数据对深度神经网络进行微调,进而提取泡沫图像的深度视觉特征.最后,基于XGBoost机器学习算法,先对高维视觉特征进行降维,再融合复原图像特征与深度视觉特征,对不同工况下的泡沫图像进行分类识别.锑粗选实验结果表明,该方法能够有效降低样本错分率,提高锑粗选异常工况识别率.