多维非平稳高斯序列的超过数形成的点过程的渐近分布

{Xk,k=1,…,n}={(XK1,…,Xkp),k=1,…,n}是多维标准化的高斯序列,uki,k∞=1,…,n,i=1,…,p为正实数.定义点过程:Ni(.)=∑k=1I{Xki>uki}I{kn}(.).在一定条件下,本文得到了p个分量点过程N1(.),…,Np(.)的渐近独立性.     

多维非平稳高斯序列的超过数形成的点过程的渐近分布

{Xk,k=1,…,n}={(Xk1,…,Xkp),k=1,…,n}是多维标准化的高斯序列,uki,k=1,…,n,i=1,…,p为正实数.定义点过程Ni(·)=∞∑k=1 I|Xki＞uki|I|k/n|(·).在一定条件下,本文得到了p个分量点过程N1(·),…,Np(·)的渐近独立性.     

平稳高斯序列超过数点过程与部分和的联合渐近分布

｛Ｘｎ｝为标准化平稳高斯序列，Ｎｎ为Ｘ１，Ｘ２，，Ｘｎ对水平ｕｎ（ｘ）的超过数形成的点过程，ｒｎ＝ＥＸ１Ｘｎ＋１，Ｓｎ＝∑ｎｉ＝１Ｘｉ．ｒｎｌｏｇｎ→０时，在一定条件下得到Ｎｎ与Ｓｎ的渐近独立性．     

基于高斯随机序列的彩色图像盲检测水印算法

针对彩色数字图像的版权保护、认证等问题，利用彩色图像的3个颜色通道，从离散余弦变换（DCT）的中频开始嵌入代表0和1的不相关的高斯随机序列，提出了一种基于DCT域的盲检测水印算法．实验结果证明该算法具有良好的不可见性，对JPEG压缩、噪声攻击和剪切攻击都有很好的鲁棒性．     

高斯序列的最大值与和的联合渐近分布

设｛Ｘｉ，ｉ≥１｝是标准高斯序列，具有ＥＸｉ＝０，ＥＸ２ｉ＝１与ｒｉｊ＝ｃｏｖ（Ｘｉ，Ｘｊ）．得到了（ｒｉｊ）满足一定的条件时最大值与和具有渐近独立性．平稳情形则作为特例被涉及．     

基于支持向量回归和高斯过程回归的水文时间序列特征提取方法

水文时间序列受多种环境因素影响,表现出明显的综合性,传统的利用单一神经网络进行特征提取解释性不足。提出一种基于支持向量回归和高斯过程回归的水文时间序列特征提取方法。首先,罗列水文时间序列候选特征,将特征组合等价于0-1规划,并将各特征组合分别进行支持向量回归与高斯过程回归建模;其次,利用遗传算法演化求解一组最优特征组合,使得支持向量回归和高斯过程回归输出误差同时最小;最后,为了证明所提方法的高效性与准确性,以屯溪流域水文时间序列数据为对象进行验证。实验结果表明,基于支持向量回归和高斯过程回归特征提取方法的水文时间序列预测结果优于传统神经网络特征提取方法。     

非独立随机变量部分和的矩不等式

本文在随机变量分别是鞅差序列、m—相依序列和局部广义高斯序列的条件下,得到了非独立随机变量部分和的P价绝对矩不等式。     

优化权重下高斯序列最大值几乎处处中心极限定理

研究了高斯序列最大值的几乎处处收敛性,获得平稳高斯序列最大值的几乎处处中心极限定理(almost sure central limit theorem,ASCLT),优化了ASCLT的权重,获得的结果推广了Csáki和Gonchigdanzan(2002)在对数平均下平稳高斯序列最大值的ASCLT。     

高斯激励混沌神经元系统及其应用

突破以往混沌神经元模型以Sigmoid函数作为激励函数的过程,构建了由高斯函数独自作为激励函数的混沌神经元模型,分析了它的混沌动力学特性;撤销模拟退火策略后,通过对时间序列的重要指标,如功率谱及最大Lyapunov指数的分析,证实高斯激励的神经元动力系统能够保持永久的混沌搜索状态;利用该系统对灰度图像进行加密,阐述了其原理及算法,通过对加密前后直方图的考查,说明了该混沌加密算法具有较强的抗统计分析能力.     

非平稳弱相依高斯序列次最大值的位置和高度的联合分布

在条件1/n∑i=[cn]^[dn]exp（an^＊（mi-mn^＊）-1/2（mi-mn^＊）^2）→d-c n→∞,0＜c＜d≤1 下，得到了非平稳弱相依高斯序列次最大值的位置和高度的联合渐近分布．     

强相依非平稳序列上超点过程的收敛性

{ξi,i≥1}为标准化的正态序列,rij=Cov(ξi,ξj)。M(nk)是{ξi,i≥1}第k个最大值,本文在条件:j-i→∞时r■log(j-i)→γ∈(0,∞)下,得到了ξ1,ξ2,…,ξn时间正规化上超水平u(n1),u(n2),…,u(n)r形成的点过程依分布收敛到定义在(0,+∞)×R上的二维Cox-过程。     

平稳高斯序列的联合渐近分布

{Xn}为标准的平稳高斯序列,在弱相依条件下,文章得到了此序列的第k个最大值Mn(k)与其出现的位置Ln(k)的联合渐近分布,以及此序列的前k个最大值的联合渐近分布。     

ρ-混合序列部分和之和乘积的渐近分布

设{Xn,n≥1}为一严平稳ρ 混合的正的随机变量
序列, 满足EX1=μ>0, Var X1=σ2<∞. 记Sn=∑〖DD(〗n〖〗i=1〖DD)〗X
i, Tn=∑〖DD(〗n〖〗i=1〖DD)〗Si, γ=σ/μ. 利用ρ 混合序列的强极限定理
, 在较弱的条件下证明了〖JB((〗∏〖DD(〗n〖〗k=1〖DD)〗〖SX(〗2Tk〖〗k(k+1)
μ〖SX)〗〖JB))〗1/(γσ1〖KF(〗n〖KF)〗)〖FY(〗d〖FY)〗e〖K
F(〗10/3〖KF)〗N(n→∞),
其中: σ21=1+〖SX(〗2〖〗σ2〖SX)〗∑〖DD(〗∞〖〗j=2〖DD)〗Cov(X1,X
j)>0; N为标准正态随机变量.     

降序且保序的有限全变换半群

设Jn为有限集X={1,2,…,n}上的全变换半群,Sn为Jn中所有奇异变换构成的子半群,记Sn-={f∈Sn:x∈X,f(x)≤x},Qn={f∈Jn:x,y∈X,x≤y f(x)≤f(y)},那么Sn-与Qn都是Tn的子半群,令Hn=S-n∩Qn,则Hn也是Jn的一个子半群,Hn的某些性质,诸如Green关系,Green星关系,秩和幂等秩都进行了研究,还证明了Hn是幂等元生成的,且可由J*中的n-1个幂等元生成.     

二元域上矩阵空间之间的线性秩保持

设F2是二元域,n是整数,n≥2.Mn(F2)记F2上的n×n矩阵空间,Sn(F2)记F2上的n×n对称矩阵空间.若线性算子f∶Sn(F2)→Mn(F2)满足rankf(X)=rankX对所有的X∈Sn(F2)成立,则称f是从Sn(F2)到Mn(F2)的线性秩保持.证明了f是从Sn(F2)到Mn(F2)的线性秩保持的充要条件是存在非奇异的U,V∈Mn(F2)满足f∶A→UAV.     

至多有2个等长圈的简单图的最大边数

设Sn是具有n个顶点至多有2个等长圈的简单图的集合。若Sn中不存在图G’使|E(C’)|>|E(G)|,Ng称G是简单的最大图分布(2)图(简记为简单MCD(2)图)。用f~*(n,2)表示具有n个顶点的简单MCD(2)图的边数。作者证明了f~*(n,2)≥(n-l)+[1/2(11n-20)~(1/2)]且当3≤n≤10时等式成立。     

极小超曲面上的一个恒等式

设M是单位球面S~(n+1)的一个紧极小超曲面,本文给出了M的单位切丛上的一个积分恒等式,该式表明只有紧极小超曲面才有些特性。     

单位球面中具有平行平均曲率向量的子流形(英文)

设Mn是单位球面Sn+P中具有平行平均曲率向量的紧致可定向子流形,令|A|2为第二本形式长度的平方.若|A|2< 2n(√)n-1/2θ(√)n-1+n,则Mn是Sn+P中的标准球面;当|A|2< 2n(√)n-1/2θ(√)n-1+n时,还可以对子流形Mn进行分类.     

渐近非扩张映射修正的Ishikawa迭代程序收敛定理

主要在E*具有KK性质等条件下证明了T存在不动点当且仅当由修正的Ishikawa迭代程序xn+1=tnTnyn+(1-tn)xn yn=snTnxn+(1-sn)xn所定义的序列{xn}弱收敛且xn-Txn→0.设C是一致凸Banach空间E的非空有界闭凸子集,T:C→C是渐近非扩张映射.     

有限部分变换半群的幂等元生成集

设Xn={1,2,...,n},Pn是Xn上的所有部分变换所构成的半群,Sn是Xn上的n次对称群,SPn=Pn\Sn,I是SPn中具有类(n,n-1)和(n-1,n-1)的幂等元所构成的集合,证明了