关于LP空间上线性压缩算子的遍历性研究

本项目对非线性算子的理论及其在智能目标识别中的应用进行了初步研究,分析了多种非线算子的分类能力,阐述了利用人工神经元网络实现非线性分类的理论和方法。采用函数逼近理论系统分析了多层感知机及高层网络的非线性逼近能力，给出了基于数据样本构造非线性逼近网络的一般准则。研究了模糊神经网络分类边界的特点，提出了一种邻域超球搜索的快速K近邻分类。基于稳健分类过程中不确定性传播的动态压缩特性，研究了不确定性推理中的非线性算子的构造和实现问题，借鉴神经生物学及心理学的现有研究成果，将动态非线性人工神经网络理论应用目标识别中，建立了合理的神经计算模型，保证了分类效果的准确性与容错性的统一。