可逼近紧空间

引入了可逼近紧空间的概念，给出了它的刻画定理，讨论了它所具有的性质，证明了每一个具有紧邻域扩充性质的可逼近紧空间是绝对邻域收缩核。     

收缩核与拓扑度的计算

讨论了收缩核与拓扑度计算之间的关系，利用收缩核给出了关于拓扑度计算的某些结论。设E是一个Banach空间，Ω是E中的有界开集，A：Ω^-→E是一个全连续算子，在δΩ上没有不动点，设D是E的一个收缩核，满足A（δΩ）包含D，证明了下列结论成立：1）D包含Ω^-，则deg(i-a,Ω,θ）=1；2）D∩Ω＝φ，则deg(I-A,Ω,θ）＝0，这一结论推广了若干已知的定理。     

强形变收缩核

f:X→Y同胚映射.AX,A是强形变收缩核,则f(A)Y,是Y的强形变收缩核.我们证明∪n=i-1[0,ai]I?2是I2的强形变收缩核.     

收缩核

用收缩核理论,证明了直线上有4种不同胚的收缩核．E^n（n≥2）,存在可数多个不同胚的n维收缩核．     

由拟凸泛函构造的非凸收缩核

Banach空间中的非空闭凸子集是收缩核.通过一致连续的非负拟凸泛函构造了Banach空间中的两个非凸收缩核,其中一个是锥中的子集,另一个不需要限制在锥中,但是需要空间是无穷维的以及泛函是偶的条件.推广了已有文献中由一致连续非负凸泛函构造非凸收缩核的结果,并且在连续函数空间中给出了具体的例子.     

可缩多面体是绝对收缩核

在文献［１］（ＰｒｏｃＡｍｅｒ．Ｍａｔｈ．Ｓｏｃ．１９８３，８８：３３３～３３７）中我们证明了每一个可折叠多面体均可内射度量化。借助于这一结果，本文证明了每一个可缩多面体均是个绝对收缩核。     

目标识别中特征空间核矩阵收缩方法

线性分类与非线性分类是模式识别领域的基础性课题．核方法处理非线性分类问题有其独特的优势,核矩阵反映了输入样本在特征空间的位置关系,决定了样本在特征空间的可分性．针对特征空间线性不可分问题,提出了特征空间核矩阵收缩的新概念和新方法．首先定义了特征空间中样本数据的收缩因子以及样本数据相对于各类类心的收缩方法;然后理论推导得到样本数据收缩后的核矩阵,并且证明收缩后的数据可分性能更优．最后的实验从核矩阵的性能度量以及核矩阵的分类性能两个方面验证了收缩后的核矩阵性能比收缩前性能更优．     

超空间F_1(X)的可缩性

给定连续统X,2~x,C(X),分别表示X的闭子集和子连续统的超空间,F_1(X)是X的一重对称积空间.文章给出了C(X)是2~x上的强形变收缩核的充分必要条件是X是局部连通的。得出了F_1(X)是C(X)上的形变收缩核的一些条件及其与连续统2~x的可缩性的关系。     

描述石灰石分解的分数维收缩核模型及模拟

基于分形理论中颗粒表面积与颗粒当量半径以及表面积与体积之间的关系式，考虑固体颗粒表面形貌的不规则性，建立了化学反应起控制作用的固体颗粒分解的分数维收缩核模型，并将其用来模拟石灰石颗粒的缎烧分解过程，取得了较为满意的模拟结果．同时，将其模拟结果与收缩核模型的模拟结果进行了比较．     

统计流形上基于核近邻算法的文本分类研究

为了更加高效地对文本数据进行描述,提出将文本向量表示为统计流形上的点,并用核方法将文本的生成模型和判别模型结合起来.用DCM统计流形上扩散核来表示文本空间上的距离度量,提出DCM流形上的核近邻算法用于文本分类.实验结果表明,在两个实验语料库上基于DCM流形的核近邻算法的准确率和召回率优于对比算法或与对比算法相当.     

公理化局部有限空间中映射连续性的扩展

用公理化方法研究了局部有限空间中的连续映射及其扩张问题。给出了局部有限空间的公理化定义方法;利用邻近关系研究了局部有限空间中的连续映射、同胚和局部同胚等问题;通过对局部有限空间变形的研究,定义了局部有限空间的一种特殊收缩核,有效地解决了局部有限空间中连续映射的扩张问题。     

某些局部紧型空间的性质

文章给出了几种类型局部可数紧空间和几种类型局部可数仿紧空间的概念,讨论了它们的一些性质,给出可数仿紧空间的每一闭子集都是可数仿紧的;若拓扑空间X是邻域开包局部可数仿紧空间,A是X中任一开集,则A是邻域开包局部可数仿紧子空间等一些有益的结果。     

关于T2 3/4-分离型邻域空间

对邻域空间的研究已经有了一些结果,本文在此基础上引入了T_(2(3/4))-分离型邻域空间,着重讨论了它的重要性质,并给出两个重要反例,最后推导了T_(2(3/4))-分离型邻域空间与T_i(i=3(1/2),3,21/2(,2,1)-型邻域空间相互间的关系。     

基于多邻域策略重心反向学习的差分进化算法

针对标准差分进化(DE)算法探索能力差、难以逃出局部最优的问题,提出一种基于多邻域策略和邻域重心反向学习的差分进化算法(MCOBDE)。该算法根据当前进化状态动态地选择不同的邻域策略:在算法前期大概率选择局部邻域策略,其采用的环形邻域结构有利于探索种群空间;在算法后期大概率选择全局邻域策略,其采用的星形邻域结构能加快算法收敛。同时在不同的邻域结构下辅以重心反向学习,能进一步扩大搜索范围,避免陷入局部最优。通过与其他DE算法针对15个CEC2015测试函数在低维和高维情况下的实验对比,证明本文算法具有较快的收敛速度和较高的收敛精度,能有效克服探索能力差、早熟收敛的缺点。     

基于自适应邻域选取的局部投影降噪

提出一种以相点距离矩阵和信噪比为测度的自适应选取邻域参数的局部投影降噪方法.首先将一维时间序列重构到高维相空间,然后计算相空间中各个相点间的距离以构成相点距离矩阵,并据此设定参考相点的初始邻域半径和动态搜索步长,自适应地选择邻域大小,再利用局部几何投影方法消除噪声,迭代此过程,历史输出信噪比达到最大时获得优化邻域.     

基于流形弯曲度的有序自适应邻域选择算法

针对传统邻域选择方法不能根据流形样本密度和弯曲度合理选择邻域的缺点,提出了一种有序自适应的邻域选择算法.该算法从流形上曲率最小的点开始,以宽度优先的次序不断地处理每个点.对搜索到的数据点,基于流形结构的局部线性特性,利用已有的邻域信息估算其局部切空间,然后通过其邻域边在切空间的投影自适应地选择合适的邻域.实验结果表明:该算法应用于Isomap后,对不同结构的数据集嵌入结果更准确.     

Banach空间中的逼近问题

设E为实Banach空间,C为E上的非空闭凸子集且为E上的收缩核,P:E→C的保核收缩映象,文章在文献[2]的基础上,对带误差的迭代序列进行了修改,并证明了序列{xn}收敛于T1,T2,…,TN的公共不动点的充分必要条件为:limn→∞inf d(xn,F)=0,最后给出了在此基础上的两个推论.     

由邻域、远域算子定义预拓扑的方法

讨论了用邻域算子、远域算子确定预拓扑的方法,并证明了预拓扑空间X上全体预拓扑T(X),全体邻域算子N(X),全体远域算子R(X),存在|T(X)|=|N(X)|,|T(X)|=|R(X)|.且(N(X),≤)与(T(X),)、(R(X),≤)与(T(X),)是完备格同构.     

一个改进的变邻域搜索方法求解k-card问题

本文将变邻域搜索算法应用到k-card问题求解中,重新定义了一种邻域结构,改进了算法,使得邻域内可行解的搜索速度得以加快,并提高了近似解的质量。对几个实际问题进行了数值实验,并与现有邻域结构的变邻域搜索算法进行了对比,实验结果证明了改进变邻域搜索算法对k-card问题的有效性。