具有复O－正则拟单调系数的Fourier级数L~1－收敛

本文把文［１］的一个具有复拟单调系数的Ｆｏｕｒｉｅｒ级数Ｌ１－收敛的充要条件推广到具有复Ｏ－正则拟单调系数的Ｆｏｕｒｉｅｒ级数上，所得的结果推广了文［１］和［５］的主要结论．     

B值随机变量序列部分和的矩的收敛速度

本文讨论2阶一致光滑空间及2型空间中随机变量序列部分和的矩的收敛速度问题,所得定理推广了Chow的结果。     

矩阵序列与多重线性多项式

引入矩阵序列的概念，研究了一般环上矩阵环的多重线性多项式。     

知识发现中一种变化趋势模型的算法研究

在时序数据库中,有许多成熟的技术和方法用来对布尔型属性之间的关系进行挖掘,但对于数值型属性变化趋势关联关系的研究却不是很多.本文提出了一种数值型属性变化趋势的研究模型QMP(QuantityMovementPattern),依据该模型可利用数据挖掘算法发现不同数值型属性之间变化趋势之间的关系.文中分析了该模型的几种实现算法,并给出了一种快速实现算法及实验数据.     

带随机振幅的正弦波过程在Haar小波下的性质

研究了一类随机过程：x(t)=Ucosλt Vsinλt，在Haar小波下的性质，得到平稳性、相关性和稠度．     

倒向重随机微分方程

在任意给定的时间区间上，一类倒向重随机微分方程的系数仅满足局部Lipschitz条件，得到了解的全局存在唯一性结果．     

一类随机过程的多尺度建模

基于多尺度随机模型具有有效性和高度并行算法这一优势，提出如何用三阶树多尺度模型来表示1-D Reciprocal过程；并如何获得多尺度模型的参数。这就为具有Markov统计特性的信号或过程建立起一般的三阶树多尺度随机模型，为更有效的解决实际问题提供了理沦基础，同时，给出了一类定义在单位区间上的随机过程三阶树多尺度表示的仿真示例。     

基于RBF网络的混沌时间序列的建模与多步预测

提出将RBF神经网络应用于混沌时间序列的建模与预测中 ,设计了一个三层RBF网络结构 ,说明了RBF网络用于混沌时间序列建模和预测时的基本性质。仿真结果表明 ,RBF网络模型对混沌时间序列有比较强的拟合能力和比较高的一步及多步预测精度。采用RBF网络进行混沌时间序列的建模和预测能够取得比其它方法好得多的效果。     

金融时间序列分形维估计的小波方法

讨论了金融时间序列的性质,通过实际数据说明,金融时间序列具有两个重要特性——统计自相似性和非平稳性.利用正交小波变换的方法,给出了其分形维的估计方法.最后,实证分析了国内金融市场,并应用此方法分别得出了上证综合指数序列过程和深证成分指数序列过程的分形维.