首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
从二进制坐标网覆盖集的角度出发给出Hausdorff维数的一个等价定义,并推广了给出的定义,指出若用一般的坐标网覆盖集,得到的也是与Hausdorff维数相同的值.  相似文献   

2.
构造一种由单位正方形生成的Box自相似分形集,其Hausdorff维数大于1,并根据自然覆盖与分形集的几何特点,对其Hausdorff测度进行讨论,得出测度的准确值为(2~(1/2))~s.  相似文献   

3.
齐次Cantor集的网测度性质及应用   总被引:2,自引:0,他引:2  
研究了一维齐次Cantor集的网测度性质,建立了该集的自然覆盖网诱导的Hausdorff测度与通常Hausdorff测度的等价性,作为应用,完全确定了齐次Cantor集的Hausdorff维数。  相似文献   

4.
讨论了测度定义的具体覆盖形式,在普通球覆盖的基础上引入了广义球覆盖.利用两类球覆盖给出了Hausdorff测度定义的两种形式,并证明了在维数大于零时两种定义形式是等价的.指出了可数覆盖具有拒零性,Hausdorffδ-测度当δ为零时不存在,同时Lebesgue零维测度也没意义.计数测度在形式上不能统一到Lebesgue测度里,也不能统一到普通球覆盖下的Hausdorff测度里.只有在广义球覆盖下,才能形式上统一到Hausdorff测度中.同时,与普通球覆盖相比,利用广义球覆盖来定义测度,会使许多证明得以简化.  相似文献   

5.
本文将Julian Cole引入的一个概率测度关于另一概率测度的重分形形式体系里测度定义中的中心覆盖改为覆盖,得到与之等价的相对重分形测度和相同的维数,用两种不同方式定义了上、下盒维数,研究了各种维数的性质及相互关系,证明了相对重分形的Hausdorff维数函数和Packing维数函数是下凸的,讨论了它们在Legendre变换下的关系.  相似文献   

6.
Sierpinski垫片是经典的自相似分形集,其Hausdorff维数是log23,但其Hausdorff测度的计算仍非常困难.在构造的覆盖集中,给出计算被覆盖三角形数的算法,从而估计出相应的Hausdorff测度Hs(S)≤0.817 918 996…,此结果优于目前现有文献中的已知结果.  相似文献   

7.
在平面上,由长为1,宽为a[1/2≤a≤1]的长方形生成的一类自相似集,也就是一个Sierpinski垫片。在满足强分离条件及维数小于1的条件下,证明了自然覆盖为其实现上凸密度1计算的最好形状,自然覆盖即是最好的覆盖。作为它的直接推论,可以得到该类自相似集的Hausdorff测度的精确值。  相似文献   

8.
将三分Cantor集构造的一个性质推广到2k+1等分Cantor集,利用质量分布原理计算2k+1等分Cantor集的Hausdorff维数。根据三分Cantor集的结构与性质,计算出2k+1等分Hausdorff集的测度。传统的计算维数的方法需要大量复杂的计算和几乎不提供任何直接启发的估计,存在一定的局限性,运用质量分布原理定义区间上的一个质量分布,可以快捷有效地给出2k+1等分Cantor集的Hausdorff维数的下界。从基本的区间覆盖去估计2k+1等分Camtor集的Hausdorff测度,对于上界,只需要估计一个特殊的覆盖。通过对所有的覆盖类进行估计,即可证得下界。  相似文献   

9.
研究分形集的中心任务是计算或估计分形集的Hausdorff维数与Hausdorff测度。本文研究Sierpinski垫片的Hausdorff测度的上界估计,利用部分估计的方法,归纳出了关于Sierpinski垫片的某种部分覆盖所包含的小三角形的个数以及这种覆盖的直径的规律,得到了Sierpinski垫片的Hausdorff测度的一个更好的上界估计值Hs(S)≤1377811/09286×(2431/3072)s≈0.870031853。  相似文献   

10.
20世纪90年代C.Trioct给出了Hausdorff中心维数与Hausdorff中心测度的定义,接着人们对分形集的Hausdorff中心维数与Hausdorff中心测度进行研究,结果发现Hausdorff中心测度对测度的重分形谱的估计非常有效.对于均匀康托集K(λ),目前只知Hausdorff中心维数与Hausdorff维数相同.分别借助于数学归纳法和一些细致的不等式估计,给出了均匀康托集K(λ)的概率测度μ(A)=C^s(A∩K(λ))/C^s(K(λ))具有不等性质μ([o,r])<r^s,同时构造了K(λ)的一个子集F(λ)满足μ(F(λ))=1.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号