Schwarz空间中小波级数的收敛性

通过引入Schwarz空间,利用逼近论的思想和放缩的方法研究Schwarz空间中小波级数的收敛性,建立小波级数依范数收敛的定理,进而得到小波级数一致收敛的结论和一致收敛速度的精确估计.     

复值渐近鞅的收敛性

鞅型序列的收敛性在理论及实际问题中都有广泛的应用,研究各类鞅型序列的收敛性是近年来随机学领域的一个重要课题.文献中分别给出了右闭鞅收敛定理和渐近鞅收敛定理.该文通过研究几类鞅收敛性,建立了复概率空间,定义复概率空间中的渐近鞅,证明了复概率空间上渐近鞅的收敛性.     

鞅差序列的一个弱大数定律

通过使用一致收敛性对随机变量序列进行截尾,并借助随机变量序列的弱收敛定理,在φ(xx)↑,φ(x)x2↓的条件下给出了一个鞅差序列的弱大数定律.     

NA序列部分和之和乘积的极限定理

设{X_n, n≥1}是一严平稳正值负相关(NA)随机变量序列, 满足EX₁=μ>0,  Var X₁=σ²<∞. 首先利用NA序列加权和的中心强极限定理和矩不等式证明, 其中N为标准正态随机变量; 其次, 对于边界函数和拟权函数给出NA序列部分和之和乘积的完全收敛性中精确渐近性的一般结果.     

多视角核K-means聚类算法的收敛性证明

用Zangwill收敛性定理对多视角核K-means(MVKKM)的收敛性进行了分析.结果表明,当满足一定的条件时,MVKKM生成的迭代序列收敛或至少存在一个子序列收敛于算法目标函数的局部极小值或鞍点,并在Matlab环境下,通过实验验证了算法在不同视角和不同的权重指数下的收敛性.     

控制收敛定理的推广及其应用

基于叶果罗夫定理,考虑Lebesgue积分序列的收敛性,证明了一致绝对连续可积函数序列的处处收敛性,通过分析Sobolev空间逼近函数列的性质,发现了它的一致绝对连续性以及相应积分序列的收敛性,证明了Sobolev空间中的函数可以被一致绝对连续函数列逼近.因此只要函数列一致绝对连续可积,就足以保证积分序列的收敛,最后举例进行了说明.     

关于任意随机序列级数的强收敛性

为了建立一类任意随机序列级数的强极限定理,利用鞅差序列级数收敛定理主要讨论了在p≥t(1≤t≤2)下任意随机序列级数的强收敛性,进一步完善了该序列的一个强极限定理.作为推论得到了p≥2下一类任意随机序列级数的强收敛性,推广了某些经典的鞅差序列级数收敛性的一个结果.     

高维Sobolev空间中的小波级数

研究高维空间中小波级数的收敛性与收敛速度.通过对小波级数余项的研究,利用逼近论的思想和Parseval不等式探索高维Sobolev空间中小波级数的余项,建立小波级数的余项的估计,进而得到小波级数一致收敛的结论和一致收敛速度的精确估计.     

B值m相依随机变量序列完全收敛性的精确渐进性

设{X_n;n≥1}为均值为零、方差有限的B值m相依随机变量列. 利用B值m相依随机变量列弱收敛定理讨论了{X_n;n≥1}的完全收敛性及重对数律的精确渐进性. 所得结果是实值i.i.d.随机变量序列完全收敛性及重对数律的精确渐进性质的进一步 推广.     

小波级数余项的估计

讨论小波级数余项的估计问题，以此为基础，研究了小波级数的部分和fm对f∈L^2（R）的逼近性和逼近速度．当母波函数满足一定条件时，建立了小波级数余项的精确估计，从而得到了相关的逐点收敛定理与一致收敛定理。     

基于Parseval框架的多小波子空间抽样定理

研究了基于Parseval框架的多小波子空间中的抽样定理.通过满足一定条件,给出抽样定理在多小波子空间中成立的等价条件.所得结果不仅推广了单小波子空间的抽样定理,而且抽样公式在L2(R)收敛意义下成立.     

Sobolev空间带Hs（R）（S≥0）的小波框架展开的局部化

建立了Sobolev空间带Hs(R)(S≥0）的小波框架展开的局部化定理,使得L^2（R）的小波框架展开局部化,只是该定理S=0的特例。     

函数列广义积分的极限定理及其应用

考虑函数列在广义积分下的极限问题,运用函数列的极限理论,在函数列一致有界和内闭一致收敛条件下,给出黎曼可积函数列积分的极限定理结果;在函数列广义积分一致收敛条件下,给出广义积分下函数列积分的极限定理结果,以及广义积分下的函数列积分的控制收敛定理.     

迫敛性定理的几个应用

本文讨论了如何利用迫敛性定理去判断函数列的一致收敛、当x→∞时的二元函数一致收敛、当x→a时的二元函数一致收敛、含参变量无穷限积分的一致收敛、函数项级数的一致收敛等五个方面的应用.     

一种新的全局排序高维多目标优化算法

针对传统高维多目标优化问题解决方法存在解集收敛性与解集分布均匀性缺陷的问题, 提出将全局排序方法与灰色关联分析两种方法相结合, 设计一种新的全局排序高维多目标优化算法. 通过设计最小函数值母序列和个体目标函数值子序列, 利用灰色关联分析法计算其关联度, 并结合个体目标适应度计算策略, 解决解集分布不均匀的问题. 该算法不仅可提高非支配个体的选择能力, 还具有良好的收敛性. 为测试该算法的性能, 选择3种经典多目标进化算法, 在标准测试函数集DTLZ{2,4,5,6}上进行对比实验. 实验结果表明, 该算法在解决高维多目标问题时, 其收敛性与解集分布均匀性均优于其他3种算法.     

广义一致收敛与亚一致收敛

本文讨论了连续函数列{f_2(x)}的极限函数f(x)连续的条件。采用了先把{f_2(x)}为正则收敛的条件减弱为弱正则收敛,或减弱为一致收敛,再减弱为广义一致收敛,最后成为一个定理:在[a,b]上的连续函数列{f_n(x)}的极限函数f(x)连续的充要条件是{f_n(x)}在[a,b]上是亚一致收敛的。     

模糊随机过程函数列均方一致Henstock积分的可积性

 引进了模糊随机过程函数列均方一致Henstock可积的概念, 研究了模糊随机过程函数列均方一致Henstock可积的充分必要条件, 得出了模糊随机过程函数列的收敛定理。     

分布函数列的一致收敛性

研究了函数列的一致收敛性问题.对狄尼定理的另一种形式的结果给出了证明,并将此结果应用于随机变量序列的分布函数列的一致收敛性研究,指出了中心极限定理的深刻结果,对t-分布的随机变量序列的极限分布给出了2种直接的证明方法.