Pseudo-Semi-Overlap Functions-Based Fuzzy Rough Sets Applied to Image Edge Extraction

As an extension of overlap functions, pseudo-semi-overlap functions are a crucial class of aggregation functions. Therefore, (I, PSO)-fuzzy rough sets are introduced, utilizing pseudo-semi-overlap functions, and further extended for applications in image edge extraction. Firstly, a new clustering function, the pseudo-semi-overlap function, is introduced by eliminating the symmetry and right continuity present in the overlap function. The relaxed nature of this function enhances its applicability in image edge extraction. Secondly, the definitions of (I, PSO)-fuzzy rough sets are provided, using (I, PSO)-fuzzy rough sets, a pair of new fuzzy mathematical morphological operators (IPSOFMM operators) is proposed. Finally, by combining the fuzzy C-means algorithm and IPSOFMM operators, a novel image edge extraction algorithm (FCM-IPSO algorithm) is proposed and implemented. Compared to existing algorithms, the FCM-IPSO algorithm exhibits more image edges and a 73.81% decrease in the noise introduction rate. The outstanding performance of (I, PSO)-fuzzy rough sets in image edge extraction demonstrates their practical application value.

半群上伪T模L-Fuzzy半群

在已有T模L Fuzzy半群概念的基础上,把T模减弱为伪T模,给出半群上伪T模L Fuzzy半群(左理想、右理想、双边理想、双理想)的定义,讨论了伪T模L Fuzzy半群(左理想、右理想、双边理想、双理想)的性质,给出了它们的等价刻画.

L-Fuzzy内部空间

引入了L-fuzzy内部空间及其伪开集和伪闭集.针对模糊格L的每个分子α,在这种空间中引入了Cα-伪闭集的概念,讨论了它们的基本性质.给出了伪诱导空间的概念,建立了它的基本特征.

伪T模L-Fuzzy群

讨论了伪T模的性质以及与群上L Fuzzy子集的关系,并给出群上伪T模L Fuzzy子群、群上L Fuzzy子集生成的伪T模T Fuzzy子群以及群上伪T模L Fuzzy子集的换位子等概念,并讨论了它们的一些性质.

弱监督学习算法下土地光学遥感图像分类

由于土地细节特征较多,类型复杂多样,图像采集难度较大,在不同的时间和区域,土地特征也会发生变化,因此土地分类过程较为复杂。针对以上问题,提出基于弱监督学习的土地光学遥感图像分类方法。利用伪中值滤波法去除光学遥感图像噪声,并通过模糊对比度增强法增强图像对比度;基于此,利用弱监督定位网络获取图像的感兴趣示例,并将子概念层引入多示例聚合网络计算感兴趣示例和标签之间的匹配分数,实现土地图像分类。实验结果表明,上述方法的土地分类准确,且Kappa系数更接近于1,说明所提方法应用性能较优。

伪拟Fuzzy商群的同态与同构

较为详细讨论了伪拟Fuzzy商群的同态同构关系,获得一些有趣的结果。

Fuzzy格上的Urysohn度量化定理

当Ｌ是Ｆｕｚｚｙ格时，证明了一个ＣⅡ拓扑分子格（Ｌ，η）可点式ｐ．度量化当且仅当其是正则的；可点式度量化当且仅当其是正则Ｔ１的．

网络伪健康知识的内容偏差及误导效应——基于证据类型的组态分析

[研究目的]网络伪健康知识的广泛传播,对用户产生严重误导,给公众健康带来负面影响。探究基于证据质量的内容偏差,有助于从信息源发现其对用户误导效应的作用机制,从而为网络健康信息治理提供指导。[研究方法]探究了健康科普知识内容偏差及其效应的评估和测度方法,基于论证模型提炼出5种证据类型,并采用组态视角和模糊集定性比较分析探索了误导效应形成的主要路径。[研究结论]基于证据类型的组态分析结果显示,高误导效应的形成路径有5条,可识别为三种组态类型:低偏差论据误导型,面向具有系统性判断偏好和信息素养较高的用户;经验偏差误导型,面向偏好经验叙事的用户;专业偏差误导型,面向信息素养偏低、偏好启发式评估和权威依赖型用户。基于此,提出了针对各种组态类型的应对策略和实践措施。

Fuzzy幂集格(非汉字符号)(X)中的Brouwer伪补

讨论Fuzzy幂集格■（X）中的Brouwer伪补的21种型式，并建立了这种伪补的若干性质．

Fuzzy—区间分布数与区间拟概率度量

本文引入Fuzzy—区间分布数及其扩张加法运算,并在此基础上,研究区间拟概率及量和伪度量之间的关系,从而为进一步讨论普通拟概率度量空间提供另一有效方法。

Fuzzy测度的伪自连续性

为了克服ＳｕｇｅｎｏＦｕｚｚｙ测度的局限性，从而在更一般的情况下研究ＳｕｇｅｎｏＦｕｚｚｙ测度和Ｆｕｚｚｙ积分，王震源在文［１］中首次引进集函数的“自连续性、伪自连续性”等一系列重要概念，孙清河在文［３］中解决了文［１］中提出的“上自连续性”与“下自连续性”的等价问题，而本文则解决了文［１］中提出的“伪上自连续性”与“伪下自连续性”的等价问题，并得到有关伪自连续定义的一系列等价命题。

伪T模L-Fuzzy正则半群

在半群上伪T模L-Fuzzy半群基础上,给出了半群上伪T模L-Fuzzy幺半群的概念,以及一个伪T模L-Fuzzy集成为伪T模L-Fuzzy幺半群的条件,并得到了伪T模L-Fuzzy幺半群的一个性质,在Fuzzy正则半群基础上给出了伪T模L-Fuzzy正则半群的概念,伪T模L-Fuzzy内正则半群的概念,并讨论了它们的一些性质.

关于Fuzzy测度的伪自连续性

本文给出了Fuzzy测度的“伪自连续性”的一系列等价定义,并讨论了它与“伪零可加性”之间的关系。

单调和Fuzzy单调变分不等式的补偿方法

在实自反Banach空间,用补偿方法研究单调和Fuzzy单调广义非线性变分不等式,得到了几个解的存在性定理。改进和推广了Browder,Pascali-Sburlan,Zhang等人的各种结果。

局部半凸Fuzzy拓扑线性空间

研究了Ｆｕｚｚｙ拟半范与均衡、Ｑ－吸收、半凸Ｆｕｚｚｙ集之间的关系，证明了局部半凸Ｆｕｚｚｙ拓扑线性空间可借助于一族Ｆｕｚｚｙ拟半范来表征．

Fuzzy测度差的伪零可加与伪自连续性

运用Fuzzy测度的概念,引入模糊测度差μ=μ_1-μ_2,在一定条件下证明μ仍是Fuzzy测度,并讨论Fuzzy测度差的伪零可加性以及伪下自连续性,最后探讨Fuzzy测度差的一致伪自连续性.

Fuzzy测度的和与乘积的伪零可加与伪自连续性

本文讨论了σ─代数上的Fuzzy测度的和与乘积的伪零可加、伪自连续性．

双向地震动的随机性对倾倒式危岩模糊可靠度的影响

危岩体在地震作用下极易发生崩塌灾害,为计算倾倒式危岩在双向地震作用下的稳定性,并探究地震动随机性对倾倒式危岩动力模糊可靠度的影响,通过结构动力学和随机过程理论对倾倒式危岩的动力响应进行分析。首先,基于结构动力学理论建立了倾倒式危岩地震动力响应力学模型及其在两条主控面上的运动方程,并分别采用Wilson-θ法和虚拟激励法求解运动方程,建立倾倒式危岩在确定性地震波和随机地震激励下动力响应计算方法。然后,基于极限平衡理论推导了倾倒式危岩在确定性地震作用下的动力稳定系数计算公式,并将随机地震视为平稳随机过程,基于首次穿越破坏准则求解倾倒式危岩在随机地震激励下地震力峰值响应的均值和方差,从而建立了危岩随机动力稳定性计算方法。最后,将倾倒式危岩失稳事件视为模糊事件,引入模糊失效准则并采用改进的Monte-Carlo法计算危岩体的模糊可靠度,建立了动力模糊可靠度快速计算方法,并分析了地震动随机性对模糊可靠度的影响。将本文方法应用到工程实例中,结果表明:考虑地震动随机性后倾倒式危岩的动力稳定系数和模糊可靠度分别增加了6.34%和22.83%,降低了危岩体的失效概率,且采用模糊失效准则计算得到的模糊可靠度更偏于工程安全。考虑地震动的双向性和随机性较好地判断了倾倒式危岩的动力稳定性,为危岩随机地震动力稳定性评价提供参考。

基于伪标签增强的多视角模糊聚类

针对大部分基于表示学习的多视角聚类算法分裂了表示学习和聚类任务,导致学习的共性表示对聚类任务缺乏针对性的问题,因此提出了一种新的基于伪标签增强的多视角模糊聚类算法。首先,利用多视角非负矩阵分解提取各个视角间的共性表示,并将其融入聚类过程,使学习的共性表示对聚类更具有针对性。其次,引入伪标签学习以提高表示学习的质量。最后,将伪标签增强的表示学习和模糊聚类划分矩阵学习整合在同一个联合学习框架下,实现相互促进。实验表明,所提出的方法的聚类性能优于现有的多种多视角聚类算法。

半群的(∈,∈∨q_(λ,μ))-模糊n伪理想与Drazin半群的刻画

给出半群的模糊n伪理想,广义模糊n伪理想,(∈,∈∨q(λ,μ))-模糊n伪理想的定义,同时讨论了(∈,∈∨q(λ,μ))-模糊n伪左理想(右理想,理想)和广义模糊n伪左理想(右理想,理想)的等价刻画。还利用半群的广义模糊子系统来刻画Drazin半群的结构。