L—Fuzzy可数性的可加性

在Ｌ－ｆｕｚｚｙ拓扑和空间的基础上，讨论了Ｌ－ｆｕｚｚｙ第一可数性、第二可数性及可分性的可加性。     

心肌梗死诊断中的SDEC可分性准则研究

多数现存的可分性准则在高维情况下往往存在实现上的困难。针对心肌梗死心电信号(ECG)特征提取过程中的基于标准差和欧氏中心距(SDEC)的可分性准则进行研究,研究数据取自PTB诊断数据库,包括:正常状态病人、早期心肌梗死、急性期心肌梗死。实验结果表明,基于SDEC的可分性准则应用于心肌梗死心电信号特征提取和分类能有效地克服现存可分性准则实现上的困难,并与心肌梗死实际演变过程中的可分性相一致。     

k分Cantor集C_k上p方可积函数空间L~P(C_k,μ)的可分性

文献[1]已知三分Cantor集C上p方可积函数空间LP(C,μ)(1≤p∞)是可分的,将此结论推广到k分Cantor集Ck(k为1的奇数)上,证明了k分Cantor集Ck上p方可积函数空间LP(Ck,μ)(1≤p∞)也是可分的.     

随机过程可分性的一个注记

本文对《概率论基础和随机过程》(王寿仁著,科学出版社,1986年出版)一书中有关可分过程的性质作一个补充注记.     

林火目标遥感多光谱识别指数构建方法研究

针对现有高温目标识别方法中波段筛选、识别指数构建缺少数学定量评判指标的问题,以内蒙古大兴安岭地区一次森林火灾为例,选用Landsat 8 OLI遥感影像数据进行林火目标多光谱识别指数构建方法的研究。研究发现,基于方差分析原理的"可分性度量"指标可作为高温目标识别方法研究中波段筛选、识别指数构建的数学定量评判指标,改进以往识别方法的定性分析方式。在区分林火目标与其他地物过程中,上述数学定量评判指标均具有遥感目标识别与分类的物理意义;其分类适宜性对林火目标的识别与提取具有重要作用。经过验证分析,利用"可分性度量"评判指标筛选出的适宜火点识别指数,在实际分类中效果良好、精确度较高,与理论结果相吻合。     

基于卷积神经网络的海面目标全极化高分辨距离像识别技术

针对雷达目标全极化高分辨距离像(high resolution range profile, HRRP)提取可分性特征时, 利用全部距离单元作为度量尺度无法保留各距离单元具体特征的问题, 在综合利用4个极化通道的舰船目标HRRP信息时选择单个距离单元作为度量尺度。在此基础上, 提出基于Pauli分解, H、α、A、α₁分解和结构相似性参数的特征提取方法对目标极化散射矩阵进行特征提取, 并将提取得到的特征与基于卷积神经网络(convolutional neural network, CNN)的舰船目标HRRP识别方法结合, 利用改进残差结构CNN从极化特征中进一步提取深层可分性特征进行目标识别。实验结果表明, 所提方法能够保留目标全极化HRRP更多特征, 提高目标识别的准确率。     

集值增算子的一个不动点定理

本文首先推广了非线性泛函分析序集一般原理，其次利用此原理获得了几个集值增算子的不动点结果。这些不动点定理不仅对算子的连续性没有作任何假定，而且在一定程度上减弱了关于空间与算子的紧性条件。     

Banach空间可分性及可分商问题

可分商问题:是否每一个无限维的Banach空间都有一个无限维的、可分的商空间?这是一个至今都没有完全解决的问题.结合对该问题已有的等价转换条件,在系统研究了Banach空间在范数拓扑,w*拓扑和w拓扑中的可分性质以及讨论了它们之间的相互关系的基础上,先后得到在一般的Banach空间和经典Banach空间中可分商问题得以肯定回答的充分条件.研究结果一方面充实了Banach空间在3种常用拓扑关于可分的理论内容,另一方面也为可分商问题的进一步解决提供了丰富的理论基础.     

—类5X5的可分量子态的可分表示(英)简

研究了一类 5×5 的两体量子态,
证明其可分的充分必要条件是它的部分转置矩阵为半正定矩阵~(PPT),
并且构造出了这类可分态的一种可分分解表示. 用此方法,
可判别一类量子态是否纠缠.     

一种最大化样本可分性半监督Boosting算法

针对数据实际分布与假设不匹配时半监督学习算法难以改善分类器性能的问题,该文提出一种最大化样本可分性半监督Boosting算法,通过引入"高密度区域局部散度最小、样本空间全局散度最大"准则来学习未标注的样本。该准则使用两种半监督假设(聚类假设和流形假设),减少了因半监督假设与数据不匹配造成的准确率下降问题。实验结果表明,该文算法有效提高了Boosting算法在符合聚类假设数据集和符合流形假设数据集上的准确性,提高了分类器噪声数据的稳定性。