从序列到演化──天体演化学的重要研究方法

提出了从序列到演化方法是天体演化学的一种重要的研究方法．笔者认为该方法不仅适用于天体演化学领域研究天体演化问题，而且可以移植、推广到地质演化学、生物进化论等领域研究地质演化、生物进化等问题．     

假设检验的新方法

用信息论的数据压缩方法讨论两个相关信源假设检验问题，在１比特压缩率编码约束下给出了复合假设检验问题的功效指数函数，并用该方法证明了复合假设检验情形的Ｓｔｅｉｎ引理     

时间序列分析预测

将RFDE(Retarted Functional Differential Equation)和NFDE(Neutral Functional DifferentialEquation)引入到时间序列单元分析预测中,建立了RFDE和NFDE进行预测的理论基础和几个新的预测方法,并解决了其它一些预测方法难以解决的预测问题。     

图的m—Hamilton性

利用ＬＴＷ序列与邻域交研究图的ｍ－Ｈａｍｉｌｔｏｎ性。     

服务供应链建立初期的移动Agent通信机制

提出在服务供应链构建初期，某个服务请求者的移动Agent在发现合适的服务提供者后，根据其他移动Agent搜索时遗留在节点中的chip sequence，将自己所在的服务提供者的位置通知其他移动Agent的通信机制，其中包括主动通知和被动通知或在相互通知的时候在中途相遇．实验仿真的结果表明了该机制的正确性．     

采用软件校正的TMS320F2812内置ADC采样值方案

研究了TEXAS公司的TMS320F2812的ADC（Analog-to Digital Converter）的工作原理；根据电力系统微机继电保护中对多路电压及电流信号的采样精度和速度的高要求，结合TEXAS公司关于TMS320F2812的校正方案，介绍了利用软件程序对芯片TMS320F2812中内置ADC采样校正的软件实现方案，通过试验进一步验证了该方案的有效性。所提出的方案对电力系统自动控制装置的软、硬件设计具有一定的参考价值。     

基于数据挖掘的金融时序频繁模式的快速发现

针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出一种金融时间序列模式快速发现算法.与传统的预测算法相比较,该算法对数据的分布和平稳性等方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后,可以用于金融时间序列的分析与预测.以实际汇率数据为例,证明了该算法的有效性.     

8阶二元广义割圆序列的线性复杂度

为了从剩余类环上的二元广义割圆序列中寻求满足需要的密钥流序列,考虑了双素数积剩余类环Zpq上的一类二元广义8阶割圆序列,利用有限域理论,给出了该序列在不同情形下的极小多项式,进而得到了它的线性复杂度.结果表明,该序列有很好的复杂度性质,可以通过选取适当的奇素数p和q,使得其线性复杂度足够大.     

二元序列的自相关性和游程的关系

研究二元周期序列的自相关性与游程之间的关系,证明了二者并不完全独立,序列的自相关特性不仅能决定其周期圆上游程总数,而且完全决定了长度为1的游程个数.     

球面稳定同伦群的一族新元素

证明了在经典Adams谱序列中,当p≥11,3≤s≤p-3时,g0(b1)2∈Ext6,2p2q+pq+2qA(H*V(2),Zp)在Adams谱序列中收敛到π2p2q+pq+2q-6V(2)的非零元,g0(b1)2s∈Ext6+s,(s+2)p2q+spq+sq+(s-3)A(Zp,Zp)在Adams谱序列中收敛到π(s+2)p2q+spq+sq-9S的非零元.