关于有限群子群的判定及寻求的一个猜想

对有限普通群、有限循环群和有限Abel群分别做了详细的研究，并对循环群和Abel群的子群的形式做了深入的分析，进而得出了其子群的一个更为简便易行的判定方法；同时，也得出了寻找循环群和Abel群的子群的更为可靠的方法     

半群Q(k)的极大正则子半带

设T(X)和O(X)分别是X上的全变换半群和保序全变换半群,Y是X的非空子集,令F(X,Y)={α∈T(X):Xα?Yα?Y},OF(X,Y)=O(X)∩F(X,Y).当Y=n≥4时,对任意的2≤k≤n-2,考虑半群Q(k)={α∈OF(X,Y):Im(α)≤k}的极大正则子半带的结构,利用Miller-Clifford定理,证明了半群Q(k)的极大正则子半带有且仅有两类:A(α)=Q(k-1)∪(J(k)\L_α),α∈J(k);B(β)=Q(k-1)∪(J(k)\R_β),β∈N(k).     

基于改进频繁模式树的最大频繁项目集更新挖掘算法

在挖掘最大频繁项目集的过程中,通过改变最小支持度阈值可以挖掘更有用的最大频繁项目集,为此提出了一种最大频繁项目集更新挖掘算法UAMMFI(Updating Algorithm for Mining Maximal Frequent Itemsets)。算法基于改进后的频繁模式树结构,在更新挖掘过程中,不需产生候选项目集和条件模式树,并且充分利用先前已挖掘的最大频繁项目集中包含的信息,快速更新挖掘出最小支持度阈值变化后的最大频繁项目集。实验结果表明,算法能够高效更新挖掘最大频繁项目集。     

大学生自行车骑行训练成绩与O_(2max)的相关研究

选取6名内蒙古师范大学公路自行车运动员为研究对象,采用Bruce跑台测试方案进行递增负荷有氧能力测试,揭示有氧能力测试值与运动员公路自行车训练成绩间的相关关系.结果表明:在有氧指标测试结果中,最大摄氧量(O_(2max))与自行车运动员骑行成绩(时间)呈高度负相关(R=-0.91,P<0.05),推测O_(2max)的回归方程为^y1=-37.186X+9 292(P<0.05);相对O_(2max)与自行车运动员骑行成绩(时间)呈高度负相关(R=-0.94,P<0.01),推测相对O_(2max)的回归方程为^y2=-0.732 6X+164.7(P<0.01).因此建议在训练中通过回归方程对运动员有氧能力及运动能力进行预测,有利于在训练、选材、技战术制定等方面做出快速、有效判断,进而促进公路自行车项目训练的科学化.     

(λ,μ)-模糊粗糙子群

本文根据(λ,μ)-模糊正规子群定义了新的同余关系,由此提出了(λ,μ)-模糊粗糙子群和(λ,μ)-模糊粗糙正规子群的概念,并研究了它们的性质.     

可数余定向极大集的若干性质

基于对偶可数连续格对可数余定向极大集进行研究.讨论了对偶可数连续格的一些内部刻画,获得了对偶可数连续格构成完全分配格的一个充分条件,并探究了完全分配格的若干个内部刻画.     

多线性极大函数在加权Morrey空间中的有界性

本文证明了多线性极大函数在加权Morrey空间中的有界性,其中权函数为Lerner等人于2009年定义的多线性矢量权。     

极大群和极小群的弱c-正规对有限群结构的影响

利用极大和极小群的弱c-正规性对有限群的结构进行刻画,得到可解群和p-幂零群的一些充分条件,推广了一些已知的结果.     

滑动窗口下数据流完全加权最大频繁项集挖掘

针对当前关于数据流加权最大频繁项集WMFI(weighted maximal frequent itemsets)的研究无法有效地处理频繁阈值和加权频繁阈值不一致情况下WMFI的挖掘问题,提出了完全加权最大频繁项集FWM FI(full w eighted maximal frequent itemsets)的概念.为了减少naive算法在处理滑动窗口下完全加权最大频繁项集挖掘时存在的冗余运算,提出了FWMFI-SW(FWMFI mining based on sliding window over data stream)算法.所提出的算法通过基于频繁约束条件的优化策略减少了naive算法中M ax W优化策略的无效调用次数;采用编辑距离比率作为WMFP-SW-tree的重构判别函数,可以有效减少该树的重构次数.实验结果表明FWMFI-SW算法是有效的,且比naive算法更有时间优势.     

弱拟正规子群对有限群的幂零性的影响

G的一个子群H称为在G中弱拟正规,如果对G的任意子群K,至少存在一个K的共轭子群Kx,x∈G,使得HKx=KxH.利用弱拟正规子群的概念,本文得到了关于有限群的幂零性的一些新刻画,给出了幂零群的一些充要条件.