特征标的本原诱导次数

在有限群表示论中,研究一个给定的不可约复特征标何时具有相同的本原诱导次数是一个基本而重要的问题.证明了一个三元组的特征标与其线性极限的极小诱导次数集合相同,从而加强了Dade关于初等稳定子极限的定理,给出了若干应用,并证明了三元组的任意两个线性极限都有相同的次数.     

关于特征标线性极限的若干结果

研究了Dade和Loukaki在2004年提出的特征标三元组的线性极限理论,引入了一个三元组的Fitting子组,得到了三元组的线性极限的结构定理。特别是当三元组没有幂零的线性极限时,证明了该线性极限包含一个反迷向的并且是可控的Isaacs意义下的特征标五元组。作为应用,获得了Dade著名的单项特征标定理的一个加强。     

特征标三元组的诱导子映射

研究了特征标三元组的诱导子和限制子的对应关系,引入了特征标三元组的诱导子映射,描述了该映射的像,建立了三元组的诱导子集合与其覆盖子的诱导子集合之间的一个双射,并考察了该映射所保持的若干基本性质,推广了关于特征标三元组的诱导子的若干已知结果。     

相对于SBPC-相关幂零子群的特征标的稳定子极限

Clifford理论给出了特征标的上下方关系,Dade进一步推广了这种关系,即提出了稳定子极限(Stabilizer limit)的概念,给定一个正规子群N,相对于N的稳定子极限又是这一概念的进一步推广,对于一个有限群G,N(△)G,N是相对SBPC-相关幂零群.本文证明.G的不可约特征标相对于这样的正规子群N的稳定子极限有相同的次数.     

M-群的一类子群的单项性

使用Glauberman-Isaacs特征标对应和Dade-Loukaki的特征标线性极限等技术,建立了一种新的特征标图表约化方法,研究了特征标三元组的单项性问题,得到了Dade一个经典结果的加强,据此给出了M-群的一类子群仍为M-群的充分条件。     

基于多尺度三元组描述子的形状匹配方法

提出了一种新的基于轮廓的形状描述子,称为多尺度三元组描述子.对轮廓进行均匀采样,同时根据多边形近似演化算法提取轮廓的关键点,由采样点和其相邻关键点构成三元组,根据多个尺度下三元组的几何特性(包括角度和边长)定义描述子.这些三元组既包含了形状的局部细节,又包含了形状的全局结构信息,是一种稳定而准确的描述.形状匹配阶段使用动态规划算法.将本方法应用在MPEG-7数据库上,检索准确率达到86.30%,具有显著优势.     

特征标三元组的上同调元素

设N为有限群G的正规子群，θ为N的G-不变的不可约复特征标．文章探讨了与特征标三元组(G，N，θ)相伴的上同调元素ω(θ)∈H^2(G／N，C^*)的若干乘法性质，并用此研究了两个特征标三元组的同构问题，以及可解正规子群上完全可分解的特征标到大群的扩张问题．     

正规三元组上的模特征标性质

在有限群模表示理论中,模特征标诱导和限制下的动态表现以及对应关系是有意义的问题,尤其是考虑如何把常表示的结论推广到模表示上,得到相应的模特征标结果一直是表示论中的重要课题.对于有限群G,如果N和M均为G的正规子群且N包含M,M.L.Lewis称(G,N,M)为群G的正规三元组,并且对其上的常特征标问题进行了探讨.首先给出了模特征标的一些基本性质,然后在正规三元组(G,N,M)条件下,得到了IBr(N)和IBr(M)中元素限制和诱导的若干动态表现,讨论了其上不可约模特征标的不变性和唯一性问题,并且进一步获得了互素正规三元组(X,N,M)上的几个模特征标对应关系.     

k-线性三角矩阵范畴

k-线性范畴是有限维k-代数的自然推广.设C=C1凵MC2是k-线性三角矩阵范畴,首先证明k-线性三角矩阵范畴C是三角矩阵代数的自然推广,然后研究左C模范畴,证明了cMod同构于三元组范畴CT,并利用Hom函子与函子的伴随关系,得到CMod同构于三元组范畴C■,推广了经典的三角矩阵代数的模范畴理论.     

投影自表示无监督极限学习机

无监督极限学习机在投影过程中保持原始高维空间中的稀疏或近邻结构,样本在高维空间中存在冗余信息,原始的数据结构不一定适应于投影后的低维特征空间.为此,结合无监督极限学习机和子空间聚类的自表示学习,提出投影自表示无监督极限学习机模型.该模型是面向聚类的特征提取方法,在投影过程中学习自表示子空间结构,从而使无监督极限学习机提取的特征自适应于聚类任务.在IRIS数据集、 6个基因表达和2个医学影像高维数据集上进行实验,结果表明该模型和算法是有效的.     

特征标五元组的线性约化

研究了特征标五元组的线性约化的定义及性质,推广了Loukaki和Dade关于线性极限的相关定理,得出了一些特征标五元组相关性质,为研究单项特征标和本原特征标提供了一种新的技术。     

α稳定分布对称系数和分散系数估计方法

研究了α稳定分布的对称参数和分散系数估计问题,分别提出了基于极限特征的对称参数估计方法和用于估计分散系数的基于概率分布函数的半概率法.首先介绍了α稳定分布的定义和极限特征,并根据极限特征提出一种估计对称参数β的方法,该方法利用α稳定分布的左极限概率与右极限概率的比值来估计β.介绍了α稳定分布的概率分布函数,分析了概率分布函数的性质,并指出当α1时,半概率点与γ之间有紧密的联系,并利用这一联系,提出一种估计γ的半概率方法.通过仿真实验验证了以上两种估计方法,结果表明:基于极限特征的对称参数估计方法当α1.8时多数情况下估计误差小于0.05,半概率方法对γ的估计误差小于0.02.     

特征标的诱导源与复合Clifford对应

作为正规子群和Clifford对应的推广,Dade引入了诱导源和诱导源对应的概念,给出了诱导源的一个判别条件,并证明了特征标三元组的诱导源对应在奇数条件下等同于复合Clifford对应。随后Isaacs和Lewis以及Loukaki对诱导源做了更多的研究。文章研究诱导源的判别问题,得到了一个特征标对是诱导源的若干充要条件,加强了Dade的相关结果,还推广了Dade关于诱导源与复合Clifford对应的定理。特别地,文章所使用的方法不仅简化了Dade的原始证明,去掉了对双曲模的依赖,而且还是纯特征标理论的。     

Riesz模范畴的完备性和余完备性

范畴论是现代数学的基础,从Riesz模范畴出发,研究Riesz模的内部特征是研究Riesz模的重要方法。范畴的极限是范畴论的重要概念之一,范畴中乘积、等值子概念均可以看作是范畴的某种特殊的极限,余积、余等值子是特殊的余极限。范畴中极限的存在性决定了该范畴的完备性,余极限的存在性决定了余完备性。通过对以Riesz模为对象,Riesz模同态为态射的Riesz模范畴极限的研究,给出了Riesz模范畴中的乘积与余积、等值子与余等值子的具体表示形式,进而证明了Riesz模范畴具有完备性和余完备性。     

一种主奇异三元组提取的快速神经网络算法（英文）

为了对两路高维数据流的互协方差矩阵进行在线奇异值分解,提出了一种快速稳定的主奇异三元组提取神经网络算法.首先,提出了一个新颖信息准则,并且基于该准则推导出了一个动态系统.然后,基于该动态系统,推导出了一种快速稳定的在线神经网络算法.该算法可以提取两路高维数据流的互协方差矩阵的左右主奇异向量.另外,算法中奇异向量的长度会收敛到一个与相应主奇异值相关的值,因而该主奇异值也可以被估计出来.相比于传统算法,该算法可以提取该矩阵的主奇异三元组而非仅仅是主奇异向量.与已有算法相比,该算法具有较低计算复杂度、较高收敛速度和稳定性.     

L-序水平一致极限空间

基于满层L-滤子的L-包含序,提出L-序一致极限空间的概念,证明L-序一致极限空间范畴作为拓扑范畴是笛卡儿闭的.同时利用"水平结构"的思想,发现了它的水平空间,即L-序水平一致极限空间.在证明L-序水平一致极限空间范畴与L-序一致极限空间范畴是范畴同构的同时,还建立了L-序水平一致极限空间范畴是文献中L-水平一致极限空间范畴的双反射子范畴这一深入联系.     

隐式重新启动精化Lanczos双对角化方法

给出一种计算少数几个最小奇异三元组的隐式重新启动精化Lanczos双对角化方法,采用调和Ritz值作为位移,有效地逼近大规模矩阵的小奇异值的奇异三元组,算法用精化残量,精化奇异向量和精化Rayleigh商,同时采取压缩技术压缩掉已经求出的小的奇异三元组,数值实验表明,算法更有效地求解大规模矩阵的小奇异三元组,收敛速度也快.     

范畴单子在F#语言中的应用研究

范畴论中的单子是包含一个函子和2个自然变换的三元组,而函数式F#语言中的单子则是由包含构造子和return操作和bind操作的三元组。针对2种单子定义不一致的问题,首先给出了范畴单子的定义和性质。在此基础上,通过引入(_)*运算符,定义了Kleisli范畴。由此定义了函数语言F#单子。在此基础上给出了F#单子满足的性质与范畴单子性质的对应关系。最后给出了F#单子常见的5种编程情形。     

可控正规三元组中特征标的限制和诱导

证明了可控正规三元组中关于不可约特征标的限制和诱导的一个结果,推广了Isaacs关于p-可解群特征标的相应定理,并给出了一个应用.     

模糊模范畴中的余极限

运用模糊集的方法和原理, 给出模糊模范畴中余极限的有点式和无点式刻画. 首先, 通过引入模糊模范畴中余积的结构性定理, 得到模糊模范畴中余极限的存在性、 唯一性和结构性定理; 其次, 构造J型图范畴到模糊模范畴上的常量系统函子, 并证明余极限函子与常量系统函子的伴随性; 最后, 根据Hom函子及张量积函子的伴随同构关系, 讨论模糊模范畴中极限与余极限的关系.