关于二阶线性递归序列乘积的和式

设{wn}是二阶线性递归序列，n为整数．根据二阶线性递归序列的定义和性质，给出了关于二阶线性递归序列乘积的和式Sm,k，Tm,k的定义，研究了关于二阶线性递归序列的和式Sm,k，Tm,k，得到了关于和式Sm,k，Tm,k的重要结论．本文的主要结论推广了Melham R S的二个结果．     

无约束最大子序列求和改进算法

给出了无约束最大子序列求和的一种改进算法,在不增加复杂性的前提下,突破了美国Mark A llen W eiss教授在约束条件下对该问题求解的算法,即该算法不能计算所有整数为负数情况下的最大子序列和(否则,结果视为0),从而解决了针对所有整数的无条件约束最大子序列的求和问题.     

一定条件下PA序列部分和的完全收敛性

根据PA序列的一些基本性质和定理,比照独立随机变量下的结论,对PA序列的完全收敛性作了初步的推导和论证,从而完善了相关结果.     

随机变量序列部分和的几乎必然收敛性

设{Xn,n>1}是任意的随机变量序列.胡舒合等在二阶矩限制下,获得了任意随机变量序列的Hajek-Renyi型不等式,并给出了随机变量序列部分和收敛的强大数定律.本文利用胡舒合等获得的强大数定律,给出了随机变量序列部分和的一些几乎必然收敛性,并给出了结果在PA、NA和两两NQD序列场合下的应用.     

一类Fibonacci,Lucas序列的倒数和

建立了Ｆｉｂｏｎａｃｃｉ，Ｌｕｃａｓ序列的一类倒数和，推广了Ｊｅｎｎｉｎｇｓ的结果。     

无约束最大子序列求和改进算法

给出了无约束最大子序列求和的一种改进算法，在不增加复杂性的前提下，突破了美国Mark Allen Weiss教授在约束条件下对该问题求解的算法，即该算法不能计算所有整数为负数情况下的最大子序列和（否则，结果视为0），从而解决了针对所有整数的无条件约束最大子序列的求和问题．     

1-序列商映射和2-序列商映射相关性质

通过引入2-序列商映射的定义,讨论1-序列商映射和2-序列商映射的相关性质.给出：2-序列商映射保持sof可数空间;映射f：X→Y,如果X为snf可数（sof可数）空间,f为1-序列商映射（2-序列商映射）,则f为1-序列覆盖映射（2-序列覆盖映射）等结果.这些结果改进并推广广义度量空间映射象的有关理论.     

二阶整数递归序列的若干性质

利用一类求导互反关系的“正四面体程序”的方法,得到了二阶整数递归序列的若干恒等式和同余性质,推广了若干文献的结果,特别是文献「５」的结论。     

涉及Fibonacci序列的Dedekind和

设{Fn}为Fibonacci数,n为自然数.根据Dedekind和的定义及其相关性质,研究了涉及Fibonacci序列的Dedekind和,估计了和式∑mn=1S(Fkn)/(Fk),(Fk(n 1))/(Fk),其中m为正整数,k为非负奇数,本文的主要结论推广了张文鹏(Fibonacci Quart,2000, 40(2): 223226)的一个结果.     

伪压缩映像和非扩张映像不动点的一种迭代算法和一类反应扩散方程的迭代解

在Hilbert空间中讨论了伪压缩映像的一类隐迭代序列和非扩张映像的一类显迭代序列的强收敛性,改进了有关文献中的相应条件,并利用所得结果给出了一类反应扩散方程的迭代解.     

ND序列的中心极限定理

讨论同分布ND序列的渐进正态问题,给出ND序列的中心极限定理,在NA的基础上得到了ND条件下同样的结果,并通过加进数列有界的控制,使得中心极限定理的证明过程得到进一步简化.     

广义Fibonacci,Lucas序列的若干求和公式

本文建立了广义Ｆｉｂｏｎａｃｃｉ，Ｌｕｃａｓ序列的若干求和公式，推广了Ｆｉｂｏｎａｃｃｉ数Ｆｎ的求和结果。     

一个部分和收敛定理的应用

利用部分和收敛定理非常简洁地证明了随机正交序列的部分和几乎必然收敛定理,并将其结果推广到相依随机序列上去,获得比较理想的结果.     

常用伪随机码序列的相关性分析与MATLAB仿真

本文对常用伪随机码序列m序列和Gold序列的自相关性和互相关性进行简要分析,并利用MATLAB对m序列和Gold序列的相关性进行仿真,同时对仿真结果进行了分析。     

关于弱连续映射的两个问题

证明了序列空间上的映射是连续映射当且仅当它是序列连续映射,这一结果减弱了通常要求的定义域空间的第一可数性.此外本文还给出了一个开映射,但不是Darboux-映射的例,回答了汪林,杨富春提出的一个问题.     

序列模式挖掘算法研究

对序列模式挖掘中的5种算法的执行过程和特点进行了研究,并对这几种算法的时间和空间执行效率进行了分析,指出这5种算法各自的使用范围,得出的结果对序列模式挖掘的应用具有一定的参考价值.     

基于神经网络的压缩感知观测序列建模

首先阐述了信号处理的热点———压缩感知技术的基本理论框架,并且分析了压缩感知中观测序列的相关特性,接着将BP神经网络应用于非线性时间序列建模与预测中,相应地提出了加入观测序列建模预测后的CS理论框架,基于此框架,给出了实验仿真的结果,得出结论:利用神经网络对压缩感知观测序列进行建模预测可以进一步减少观测序列的传输量,并且具有很高的预测精度。     

AANA序列的强大数定律和强收敛速度

针对相依序列的强大数定律研究,特别是其强收敛速度的研究受到许多学者的关注.文章研究了比NA序列要弱的AANA序列部分和强大数定律,并给出了其收敛速度和上确界的可积性；给出了NA序列的部分和强大数定律、收敛速度及上确界可积性等结果.     

基于形态拟合的时间序列距离计算

针对现有的距离度量方法度量准确度低且计算效率低的问题,提出了基于形态拟合的距离度量算法.该算法使用滑动聚集平均近似方法对序列进行分段降维处理,计算降维后的分段序列的动态弯曲路径,并计算处于动态弯曲路径上的分段序列之间的欧式距离,以所有分段序列的欧式距离的累积值作为最终的距离计算结果.实验表明基于形态拟合的距离度量算法具有度量准确度高且计算效率高的优点.     

基于时间序列相似性匹配算法的地震预测研究

把匹配抽象时间序列相似性的方法引入到地震预报的应用中,结合大量地震历史源数据,地震领域的专家经验知识和相关成果基础上,提出了一种简化的抽象时间序列匹配模型。该模型在对海量数据进行预处理筛选的基础上再进行时间相似性匹配,增加了横向和纵向多方位地区和多方位时间段的匹配,不同时间差和阈值的匹配,并通过大量实验对该模型进行了反复验证,同时对我国地震频繁地区近几十年的地震历史数据进行了相似性匹配实验分析,取得了可信度较高的实验结果,实验结果验证了所给时间序列相似性匹配控制策略的有效性、实用性以及算法的优越性。