广义Pascal三角形的几个性质

本文讨论了广义Pascal三角形的几个性质,它和原Pscal三角形有惊人的类似之处。     

全色数与小阶路的混合Ramsey数

以χ２（Ｇ）记一图Ｇ之全色数，Ｐｎ表ｎ阶路，混合Ｒａｍｓｅｙ数χ２（ｍ，Ｐｎ）为最小正整数ｐ，对于每个ｐ阶图Ｇ，或者χ２（Ｇ）≥ｍ，或者ＧＰｎ。当ｍ取任意正整数、ｎ≤４时，本文得到χ２（ｍ，Ｐｎ）的确值     

（T）模糊积分

本文继续讨论［１］中定义的（Ｔ）模糊积分，得到了积分转化定理以及可积条件，并证明了其它的收敛定理。     

广义离散随机线性系统的状态估计新方法

运用Ｂａｙｅｓ动态模型理论［２］讨论了广义离散随机线性系统的状态估计问题，提出了一种既简便又实用的状态估计新方法──线性贝叶斯估计（ＬＢＥ）．     

变分不等式的加性广义Schwarz算法

将加性广义Ｓｃｈｗａｒｚ算法推广到求解变不等式，并在适当条件下证明了其收敛性。     

伴随阵的广义特征向量

给出了非奇异矩阵Ａ的伴随的广义特征向量的表达式。     

多目标A—N广义凸规划的Mond—Weir型对偶

本文利用锥次微分及Ａ－Ｎ广义的伪凸概念，建立了不要微Ａ－Ｎ广义凸多目标规划Ｍｏｎｄ－Ｗｅｉｒ型对偶理论。     

两个更一般的求极限公式

推广了文献「１－３」的结果，给出了两个更为一般的求极限公式。     

混合扰动模型中LSE和若干有偏估计的局部影响

研究了线性回归中方差加权和均值漂移混合模型中ＬＳＥ和若干有偏估计的局部影响分析，从基于回归系数无偏估计的似然函数出发，求得回归系数最小二乘估计（ＬＳＥ）在混合扰动下的影响曲率，最大影响曲率和最大曲率方向，对于有偏估计，在后验分布对数似然函数的基础上，求出了这些有偏估计在混合扰动下的影响曲率，最大影响曲率和最大曲率方向。     

关于t—半群与广义E—极小半群

引进强分裂元以及广义Ｅ－极小半群的概念，从而给出半群Ｓ为ｔ－半群的充要条件是：具有ＰＩＥＰ或无强分裂元或具有某种ＣＥＰ，若周期半群Ｊ是广义Ｅ－极小半群，则Ｓ是一些ｐ群的并或一个左（或）零半群（或２个元素的半格）或诣零半群或幂零半群。