一类奇异 Volterra 积分方程在 L^p (p ≥1) 空间中的适定性

受分数阶微分方程定性理论的启发，本文利用不动点定理研究了一类奇异Volterra积分方程在L^p（p≥1）空间中的适定性，推广改进了已有结果.特别地，Riemann-Liouville分数阶微分方程适定性问题可以作为本文结果的特例.     

基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.     

Banach 3-Lie代数上两类映射的稳定性

结合函数方程pf(x+y/p+z)=f(x)+f(y)+pf(z),研究了Banach 3-Lie代数上的同态、导子以及广义导子的广义Hyers-Ulam稳定性(其中p为固定正整数).     

一个Ostrowski型不等式的加强

利用涉及一阶导数或函数差值的恒等式,通过引入参数求最值,在导数有界或函数满足Lipschitz条件的情况下,给出一个Ostrowski型不等式的加强.     

系统重要性股权质押上市公司的识别——股权质押违约的系统性风险贡献度视角

股权质押风险一旦爆发呈联动效应，影响范围将迅速波及多个市场，极有可能衍生出系统性风险，对整个金融市场和实体经济带来极大危害。本文围绕股权质押违约风险在股票市场和基金市场传染的核心问题，借鉴网络科学研究工具，从关联市场视角下探索股权质押风险跨市场传染的路径和规律。首先描述了股权质押二部图网络的构建方法，利用关联网络的阈值传染模型描述证券市场和基金市场之间股权质押违约风险传染动力学；进一步收集整理2017年底沪深两市A股市场未解压股权质押数据和基金产品持股数据构建了真实的网络；最后，采用蒙特卡洛模拟技术仿真股权质押风险的传染过程，验证清盘抛售概率、平仓价等参数对风险传染范围的影响，计算每一家股权质押上市公司作为风险传染源的系统性风险贡献度，辨识出系统重要性股权质押公司。     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

一类分数阶比率依赖型捕食系统的动力学分析

讨论了一类食饵带有疾病的分数阶比率依赖型捕食系统的动力学行为。利用线性化方法定性分析了各类平衡点的稳定性,并给出了其正平衡点局部渐近稳定的充分条件。数值模拟显示,参数和阶数对平衡点的收敛速度及其稳定性产生很重要的影响。     

基于动态卷积的胸部X光片疾病分类算法

胸部疾病严重威胁人类健康，及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义．胸部疾病经常通过胸部X光片进行诊断，但由于胸部疾病的多样性以及病理特征的复杂性，现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较高等问题．针对以上问题，提出一种基于动态卷积的胸部X光片疾病分类算法．将动态卷积模块加入密集连接网络，在不显著增加网络模型尺寸的前提下，增强网络对多尺度信息的特征提取能力，在提升分类准确度的同时保持高效推理；使用Meta-ACON改进ReLU(rectified linear units)激活函数，通过线性-非线性切换因子自适应地选择是否激活以及使用何种激活函数，从而增强网络的泛化能力；提出加权焦点损失函数，在焦点损失函数的基础上加入权重调整因子，使网络依据分类的难易程度为每种疾病合理分配权重，增大较难分类疾病的损失占比以提高其分类准确度，进而优化整体性能；对数据加载方式进行优化，增大批数据处理量以提升批归一化效果；在测试阶段使用测试时数据增强策略，综合分析多个维度的分类结果，提高分类的准确性与鲁棒性．在chestX-ray14数据集上的实验结果表明，在密集连接网络中...     

带粘性含不活泼项的Cahn-Hilliard方程解的逐点估计

研究了高维空间带粘性含不活泼项的Cahn-Hilliard方程解的逐点估计.首先结合格林函数,频谱分解等工具进行详细分析,然后利用不动点原理得到了方程经典解的存在性,最后在此基础上,进一步得到方程解在任意时刻和空间任意点处的衰减估计.