连续函数的δ导数与性质

引入了连续函数的 δ导数新概念 ,研究表明 ,在采样点无限增多的情形下 ,它与有限离散函数导数概念相一致 ;在极限情形下 ,它与常规意义下连续函数导数概念相一致 .它具有与常规意义下导数相类似的性质     

有限离散函数导数的一个几何表现

进一步研究了有限离散函数导数的几何性质,初步探讨了线性和非线性有限离散函数导数在几何变换下的差异。利用这种差异描述了湍流的平截面的运动情形。     

关于离散的Kantorovich算子的导数逼近

给出了离散的Kantorovich算子的导数逼近函数具有有界变差导数时的误差估计,并给该算子的导数的迭代极限和迭代极限的迭代误差估计式。     

二阶双曲方程广义差分法逼近阶的估计

本文就二阶双曲方程广义差分法逼近阶的估计给出了一个抽象的框架。在此框架下,我们得到了半离散与全离散情形的最佳逼近阶的估计。     

W^12（B）空间中的最佳逼近及半直线上积分方程数值解

讨论了Ｗ＾１２（Ｂ）空间中线性算子的最佳逼近及半直线上积分方程的近似解。得到最佳逼近算子的表达式。在仅知方程右端项的有限个离散值时给出了方程近似解的表达式，并证明误差序列在Ｗ＾１２（Ｂ）范数意义下单调下降。     

摄动距离函数最佳逼近元的存在性

应用Gateaux导数的性质来研究摄动距离函数最佳逼近元的存在性,得到了最佳逼近元存在的必要条件和充分条件.     

右删失数据下回归函数的局部组合分位数回归估计

本文研究右删失数据情形下的组合分位数回归模型,采用局部多项式逼近来估计回归函数,得到回归函数在某一点的估计量的渐近正态性和区间估计,并通过蒙特卡洛模拟验证了所提方法的有限样本性质。     

一类线性插值算子的导数逼近

为了改善Lagrange插播算子的一致收敛性并提高算子最佳收敛阶,我们以一类Ja cobi多项式的零点作为插值结点,通过对插值结点处函数值的线性组合,构造了一类线性插值算子,给出了该类算子的最佳收敛阶定理;进而研究了此类算子的导数逼近问题,利用对算子进行分项估计的方法,不仅证明了该算子的导数一致收敛于具有连续导数的函数,而且给出了算子的一阶导数逼近函数导数的最佳收敛阶.     

W_2~1（B）空间中的最佳逼近及半直线上积分方程数值解

讨论了Ｗ_２~１（Ｂ）空间中线性算子的最佳逼近及半直线上积分方程的近似解．得到最佳逼近算子的表达式．在仅知方程右端项的有限个离散值时给出方程近似解的表达式，并证明误差序列在Ｗ_２~１（Ｂ）范数意义下单调下降．     

三维离散导数Green函数的W1,1半范估计

对于一般的三维二阶椭圆边值问题,本文利用权函数思想研究了离散导数Green函数的估计,证明了这种函数的W1,1半范具有O(|lnh|(4)/(3))的精度.通过这个结果可以得到有限元逼近的梯度最大模超逼近.     

一类概率密度函数的估计

本文应用运算微积给出一类概率密度函数Ｐ（Ｘ）的估计．只要Ｐ（ｘ）在每一有限区间内逐段光滑，且Ｐ（ｘ）的运算微积函数Ｇ（ｙ）趋于零的速度较快（时），则Ｐｎ（ｘ）便有一致渐近误差和一致均方意义下的收敛速度．     

幅度均衡器机辅设计

本文讨论了用契比雪夫逼近求最优一致逼近函数设计幅度均衡器的方法,并以此设计了一个24路载波电话线路放大器反馈网络。设计结果说明了本算法的有效性及可靠性。     

不确定时滞系统的Min-Max预测控制

对于状态和输入有约束的离散不确定时滞系统,提出Min—Max预测控制方法,将有限预测时域以后的鲁棒性能指标用终端惩罚近似,而终端惩罚用线性矩阵不等式(LMI)离线求解,因此无限时域的代价转化为有限时域代价,使得Min—Max优化问题求解简单,保留原有的鲁棒稳定性．给出了该方法稳定性的充分条件,通过仿真验证了此方法的有效性．     

一类时间分数阶线性扩散方程的数值方法

利用非标准有限差分法给出了求解一类时间分数阶线性扩散方程的一种数值解法.对时间分数阶导数和整数阶空间导数离散后的差分近似过程中,对分母构造了一个关于时间步长和空间步长的函数来近似,证明了该差分格式是收敛和稳定的,通过数值算例验证该方法是有效的.     

磨光法的一个应用

给出了在工程技术中常见的间断周期函数 f(x) .运用对函数进行磨光法得到的具有二阶连续导数 ,作为原来函数 f(x)的最佳逼近元 ,与其它的逼近函数进行比较 ,分析了各自的优缺点 .磨光函数能克服其它逼近函数的缺点 ,同时具有与三次样条函数相同的精度 ,而且计算简单 ,应用广泛     

有限深球形势阱束缚态能级近似计算

介绍一种计算有限深球形势阱束缚态能级的近似计算方法，并对具体问题进行了这么些人出了有限深球形势阱的能级和波函数与无限深球形势阱的能级和波函数之间的关系。     

认知无线网络中基于HJ-DQPSO优化的频谱分配机制

在认知用户和授权用户共存的认知无线网络模型中,为了解决认知无线网络中最大化网络效益和用户间接入网络的公平性联合最优化的多目标频谱分配难题,提出了一种新的基于 hooke jeeves（HJ）计算和量子粒子群（quantum particle swarm optimization,QPSO）理论的离散多目标组合优化机制,即 HJ-DQPSO 优化机制。该机制中,提出了采用 HJ 算法进行局部搜索,防止陷入局部最优,并对 QPSO 算法进行离散化处理以便更匹配离散的频谱分配模型。与现有的频谱分配算法进行仿真性能比较,实验结果表明,该机制具有逼近最优解、快速收敛、不易陷入局部最优、参数设置少的特点。在不同的优化目标情况下,能够较好地逼近频谱分配最优解而且可以实现快速收敛,在满足多个优化目标的情况下可以获得更合理的频谱分配方案。