一类非线性演化方程整体强解的全局吸引子

利用传统的Galerkin方法及算子半群理论,在更高空间上研究了一类非线性弹性杆在齐次边界条件下整体强解全局吸引子的存在性.     

稀疏正则化及其在医学图像复原中的应用

论文旨在对受模糊和噪声影响的医学图像进行恢复.极小化由保真项构成的能量泛函是图像恢复普遍采用的方法,然而由于该极小化模型的不适定性,对其添加适当的正则化项是必要的.利用医学图像梯度稀疏这一先验条件,对极小化模型添加l_q正则化项.l_q正则化项的添加保证了图像梯度的稀疏性,也使我们不得不求解一个非凸优化问题.利用交替迭代的半二次分裂算法实现对该非凸问题的求解,并给出了该算法的收敛性分析. Shepp-Logan影像模型和MRI图像的数值仿真实验验证了本文的相关理论.基于研究结果,l_(1/2)正则化方法对梯度分布稀疏的医学图像具有良好的降噪与去模糊效果.     

非凸稀疏正则化的广义条件梯度算法

提出一种具有非凸、非光滑的α‖·‖_(l_1)-β‖·‖_(l_2)(αβ≥0)罚项的正则化泛函,并且构造了一种新的迭代算法来求解带有αl_1-βl_2约束的非线性稀疏正则化.该算法利用广义条件梯度算法,将其推广到带有非凸稀疏罚项的非线性正则化方程中,构造出一种适用于非凸稀疏正则化的软阈值算法,并给出了该算法收敛性的证明.     

关于拟抛物算子的一个注记

运用连续半群方法说明了拟抛物方程不存在正则化效应，此结果揭示了拟抛物方程与抛物型方程的一个本质性差别。     

基于极小析取范式的属性约简算法

属性约简是粗糙集理论的核心问题之一，针对求取决策表所有决策约简集的NP问题，化繁为简将问题转化为对象动态增加下的决策约简求取问题。在深入分析了可辨识矩阵中可辨识集的特点及相互关系的基础上，优化改进决策辨识矩阵：①两对象之间不作逆向比较；②将决策可辨识矩阵列简化为属性等价类；③正域等价类作为决策可辨识矩阵的行，分情况给出了新决策表求取所有决策约简集的极小析取范式属性约简方法。该方法统一解决了相容和不相容决策表所有决策约简集的求取问题，最后通过实例分析验证了算法的可行性与有效性，为决策表的属性约简提供了一条高效的途径。     

S2上预定对称数曲率

对Ｓ＾２上预定数曲率问题,给出一些新结果。     

蕴涵格与Stone表现定理的推广

从R₀-语义出发在全体 ( ,∨ ,→ )型公式之集F(S)上引入了逻辑等价关系 ,证明了它是F(S)上的同余关系并称商代数为R₀-语义Lindenbaum代数 .以此为背景引入了蕴涵格与正则蕴涵格的概念 ,它是Boole代数的推广 .另一方面 ,引入了除含有拓扑结构之外尚有蕴涵运算的Fuzzy蕴涵空间及其蕴涵基的概念 ,证明了正则蕴涵格的拓扑表现定理 ,即 ,( ,∨ ,→ )型代数M是正则蕴涵格当且仅当M同构于某Fuzzy蕴涵空间的蕴涵基 .在M是Boole代数的情形 ,证明了相应的蕴涵空间是紧零维Hausdorff空间 ,从而由蕴涵格的表现定理可以推得关于Boole代数的著名的Stone表现定理.     

正则环的d.f—根

引进了正则环的ｄ．ｆ－根概念,并利用ｄ．ｆ－根刻画了正则环的直有限性。