求解0-1背包问题的两种方法的分析与比较

背包问题(KP)是计算机科学中典型的NP-hard问题,不存在多项式时间的精确算法。本文首先给出了求解0-1KP问题的一种改进的近似算法,讨论了算法复杂度与近似比;然后,给出了求解0-1KP的动态规划算法描述,并分析了算法的复杂度;最后,对两种方法进行了理论分析,并利用3个较大规模0-1KP实例的仿真计算结果与GDPSO进行比较。     

一种通过去噪来提高图像标注性能的方法

提出一种通过去除噪声来提高分层高斯混合模型的图像标注性能的方法．在有监督多概念标注（supervised Multiclass Labeling，SML）中，它采用了分层高斯混合模型，有效地把大量的表示图片的高斯混合模型聚类成一个表示某概念类的高斯混合模型，从而很容易实现图像的分类和标注．通过引入去噪过程，减少了图片中与概念不相关的高斯分量，消除了噪声高斯分量对分类器的负面影响，从而提高了分类性能．基于TRECVID2005数据的图像标注实验证明，该方法可以取得比SML方法更好的标注性能．     

Lagrange插值过程“1／2”平均的导数逼近值

本文研究了以Jacobi多项式∫n(x)的零点为插值节点的Lagrange“1/2”平均插值过程的导数逼近函数导数的收敛价,主要结果是定理1。     

若干函数空间中Jackson定理及有关问题

研究了Ｌｐ空间、ＬＭ空间、Ｂａ空间中函数及各阶导函数用多项式算子同时逼近的Ｊａｃｋｓｏｎ定量的证明过程和使用的方法，阐述了这些函数空间相互联系与不同之处。     

一类非线性双曲型方程半离散近似解的L_2和L_∞估计

本文在较弱的条件下,讨论了一类非线性双曲型方程的半离散Galerkin近似解的L_2和L_∞估计,这些估计是最佳的。     

一种新型复合神经网络模型

本文首先详细地阐述了ＢＰ神经网络和ＣＭＡＣ神经网络各自的结构，原理以及算法。提出了一种ＢＰ神经网络与ＣＭＡＣ神经网络组合起来的新型复合神经网络模型，并利用误差逆向传播原理推导出复合网络的学习法。仿真实验结果表明，这种复合神经网络在保留了ＢＰ和ＣＭＡＣ各自特长的基础上，同时具有学习速度快，泛化能力强等特点     

多维卷积算子逼近的量化定理

本文建立了具有正核的多维卷积算子逼近的量化定理。同时得到多元Jackson多项式算子和多元Vallée Poussin多项式算子逼近的误差估计。     

关于积分型Stancu算子的逼近性质

本文建立了一种积分型.Stancu算子,并计算出此种算子对连续函数及Lp空间的函数的逼近度.     

共轭Fourier算子和Fejer算子的N-V平均

本文用Bojanic方法给出共轭Fourier算子和Fejer算子的Norlund-Voronoi平均的点态收敛定理及其在BV空间上收敛速度的估计,所得到的逼近阶是不可改善的。     

Bernstein－Durrmeyer多项式Lp逼近的等价定理

利用Ｋ—泛函建立Ｂｅｒｎｓｔｅｉｎ—Ｄｕｒｒｍｙｅｒ多项式Ｌｐ逼近的等价定理．