一类Moran测度的加细重分形分析

主要研究了在2种压缩方式和2种测度分配方式下的Moran集上的Moran测度的重分形分析。在假设2种方式的频率存在的前提下,得到了关于上、下局部维数所确定的水平集的Hausdorff维数和Packing维数,证明此类Moran测度满足重分形机制。     

测度投影的相对重分形维数

Julian Cole将Billingsley在概率空间中引入的关于两个概率测度的Hausdorff，填充(packing)测度及维数的思想引入到重分形分析．在此基础上研究测度投影的相对重分形Hausdorff维数、填充维数与相对重分形Hausdorrff维数、填充维数之间的关系．     

统计自相似集,测度及重随机分形

主要介绍统计自相似集合与统计自相似测度的分形理论以及重随机分形近年来的一些进展。     

关于广义Moran集的重分形

在很一般的条件下，对广义Ｍｏｒａｎ集上的无穷乘积测度讨论了重ｆｒａｃｔａｌ测度分解。     

一类多型随机递归集关于统计自相似测度的重分形分解

本文主要利用Falconer,Mauldin,Williams,Arbeiter与Patzschke等人的思想,借助矩阵分析和随机过程中的一些重要方法,放宽了徐赐文构造的RN中多型随机递归集K在集合结构上的限制条件,得到了在强开集条件下这类多型随机递归集K的重分形分解集Kα(α＞0)关于统计自相似测度的Hausdorff维数表达式.     

“十字星”分形的Hausdorff测度

本文利用自相似分形的性质，得到“十字星”分表的Ｈｕｓｄｏｒｆｆ测度的上界估计公式，运用特殊的覆盖，得到它的Ｈａｕｓｄｏｒｆｆ测度较好的上界。     

自相似分形的Hausdorff测度

研究了自相似分形的Ｈａｕｓｄｏｒｆ测度的上界估计问题,得到以下结果：设Ｓ是Ｓｉｅｒｐｉｎｓｋｉ垫,ｓ＝ｌｏｇ２３是Ｓ的Ｈａｕｓｄｏｒｆ维数,对任一ｘ,０＜ｘ＜１２,将ｘ表为ｘ＝１２ｉ１＋１２ｉ２＋…,ｉ１＜ｉ２＜…,ｉ１,ｉ２,…∈Ｎ．则Ｓ的Ｈａｕｓｄｏｒｆ测度Ｈｓ（Ｓ）满足Ｈｓ（Ｓ）≤１１－３２∞ｊ＝１２ｊ３ｉｊ（１－ｘ）ｓ．取ｘ＝１２３＋（１２４＋１２６＋…＋１２２ｋ＋…）,ｋ＝２,３,…．则得到Ｈｓ（Ｓ）＜０．８７０１．记Ｈ（ｘ）＝１１－３２∞ｊ＝１２ｊ３ｉｊ（１－ｘ）ｓ则ｉｎｆ０＜ｘ＜１２｛Ｈ（ｘ）｝≥ｍｉｎ｛Ｈ（ｉ２ｎ）（２ｎ－ｉ－１２ｎ－１）Ｓ：ｉ＝１,２,…,２ｎ－１－１｝．取ｎ＝２０,上机运算得ｉｎｆ０＜ｘ＜１２｛Ｈ（ｘ）｝＞０．８７００．由此可知０．８７０１是本文这种方法估计Ｓｉｅｒｐｉｎｓｋｉ垫的Ｈａｕｓｄｏｒｆ测度的相当好的上界．     

暂留对称Stable过程逗留测度的重分形结构

设X是取值于Rd的阶数为a＜d的暂留对称Stable过程,μ(χ,ε)表示X在中心χ、半径为ε球里的逗留测度.用(d)(μ,χ)和(d)(μ,χ)分别表示X在χ点的下局部和上局部维数.本文得到,当β∈(a,2a)时,满足(d)(μ,χ)=β的点的Hausdoff维数是2a-β几乎处处成立,当β＞2a时,这个相应的集合是空集几乎处处成立.     

双Lipschitz条件下自相似测度的维数估计

给出了强开集条件和双Lipschitz条件下自相似测度的Hausdorff维数的上下界估计．我们通过对吸引子的局部性质的研究，给出了对吸引子的点态维数的估计。从而得到了本文的主要结果．     

一类统计自相似集的重分形分解

将余旌胡和胡迪鹤所研究的统计自相似集K(ω)的限制条件放宽,利用Arbeiter与Patzschke的思想,构造了两个鞅,最终给出了在强开集条件下K(ω)的重分形分解集Kα(ω)关于支撑在K(ω)上的随机测度νq,ω的Hausdorff维数表达式.     

图有向自相似测度的重分形

研究了图有向自相似集,在开集条件下,获得了该集合关于伴随的自相似测度的重分形分解公式.该结果将Edgar和Mauldin的相应结果所必需的条件——正分离条件做了本质上的修正,使其减弱为开集条件.     

股票收益率序列的多重分形特征分析

运用多重分形消除趋势波动分析法,研究中石油和中石化两个上市公司股票收益率的多重分形特征,并结合多重分形谱方法,比较两股票收益率序列的多重分形性的强弱及风险大小.结果表明,两个公司的股票收益率序列均具有明显的多重分形特征,且中石化收益率序列的多重分形性更强,波动复杂程度更高.总体相比,买入中石化股票获利的空间更大,但风险也较买入中石油的更高.     

同质TCP流的多重分形特性分析

采用基于小波变换模极大值的多重分形分析方法,讨论了大、小时间尺度下的结构函数和多重分形谱的特点。依据实例研究了不同时间下的同质TCP流(W eb)分别在大、小时间尺度下的分形特点;通过对不同协议的同质TCP流的协议本质及拥塞机制的分析,推断其所表现的多重分形谱特点与百分比的相关性;对同一TCP流中不同协议组成的分析,得到TCP总量与分量的多重分形谱特点以及与同质程度的关系。     

齐次Cantor集的重分形分解

考虑齐次Ｃａｎｔｏｒ集的重分形分解问题,讨论了齐次Ｃａｎｔｏｒ集的重分形分解集的Ｈａｕｓｄｏｒｆｆ维数问题．     

股市时间序列的多重分形分析

通过对幂谱和统计矩函数的分析,得出股票市场时间序列的无标度性.借助配分函数、广义分形维数和多重分形谱对股票市场进行研究,结果表明,股票市场时间序列具有多重分形特征.这将为多重分形在金融理论方面的研究提供重要的理论基础.     

改进的消除波动趋势分析法

分形理论是非线性科学研究中一门十分重要的理论,现在已经被广泛应用于各种研究领域,如气象学,生物学,地理学,经济学等等。对传统的DFA方法进行了改进,将其推广到了二维,并以交通时间序列为研究对象,全面刻画了交通数据的特点。比较传统的DFA与改进后的方法之间的异同。通过计算,得出了二维DFA幂律指数间的内在关系。     

基于多分形分析和主动学习反馈算法的图片垃圾邮件过滤

图片垃圾邮件通常由随机变形技术制作,人眼认为内容相同但计算机认为不同,导致常规反垃圾邮件技术 无法阻止这类垃圾邮件.根据图片垃圾邮件必然具有相似性、大量性和可变性的特点,提出了一种综合多向小波金 字塔多分形分析算法和主动学习反馈驱动半监督支持向量机算法的创新图片垃圾邮件过滤方法.实验结果表明, 该方法容易与常规反垃圾邮件系统相结合,而且该方法的效率高、准确性好、假阳性低,通过重复训练,可进一步 提高准确性、降低假阳性,适合用于对抗性学习和垃圾邮件过滤     

基于多重分形的喜马拉雅山山脉特征研究

采用多重分形谱对喜马拉雅山山脉地貌特征进行分析,多重分形谱参数分层次地刻画了空间内部的精细结构,突出了异常局部变化特征,因此能够准确获取地貌特征信息;在此将美宇航局最近拍摄的一张被积雪覆盖的喜马拉雅山卫星照片图像进行处理,通过计算多重分形谱,提取了山脉分布的特征参数,在喜马拉雅山山脉具体分布以及探究地球面貌中产生积极意义。     

睡眠脑电信号的多重分形去势波动分析

睡眠过程中的脑电信号时间序列具有复杂的波动性特点,为了研究不同睡眠时期脑电信号的分形特征,运用多重分形去势波动分析的方法对5例受试者的整夜睡眠脑电信号进行了分析．计算结果表明,睡眠脑电序列具有长程相关性,而且是多重分形过程．不同的睡眠时期广义赫斯特指数不同,随时间尺度的增加而增大,变化趋势一致．醒期的脑电信号广义赫斯特指数最大,REM期介于睡眠一期和二期之间,其他各期随睡眠的加深逐渐增大．为睡眠脑电信号动力学机理的进一步研究提供了坚实的实证基础．     

股票收益率的多重分形降趋交叉相关性分析

应用MF-X-DFA方法对上证综合指数(SSCI)和香港恒生指数(HSI)的收益率进行多重分形分析,结果表明上证综合指数和香港恒生指数均具有多重分形特征,两市场之间存在交叉相关性.当证券市场出现较大波动时,两个证券市场之间的交叉相关性要大于其自相关性.