自由幺半群的一族极大自由幺子半群

设X*是由字母表X生成的自由幺半群,{B1,B2}是X的任意2—划分,C=B2∪B1XN,N≥1,文[1][2]中证明了C*是自由幺半群X*的幺子半群。以X*为顶点集构造了一个语言图,利用它证明了:对N≥1,C=B2∪XNB1,幺半群C*也是自由幺半群X*的一族极大自由幺子半群.     

分布式MIMO系统多普勒信道的容量自相关特性研究

采用多天线的分布式MIMO系统保持了分布式天线系统和点对点MIMO系统的优点,在分布式MIMO系统中的TDD模态采用仅仅反映系统容量使用信息的简化反馈方式,可以降低系统复杂性,本文研究了分布式MIMO系统多普勒效应下系统容量的自相关特性,研究发现：系统容量的自相关可以由信道的自相关特性来预测,从而可以大大简化系统的反馈,提高系统性能。     

关于F.Smarandache函数与素因数和函数的一个混合均值

对于任意正整数n,若它的标准分解式是n=Pα11 Pα22…Pαkk,著名的F.Smarandache函数S(n)定义为:存在最小的正整数m,使得n|m!,即:S(n)=min{m∶n |m!,m∈N},素因数和函数定义为:(ω-)(n)=P1+P2+…+Pk,利用初等及解析的方法研究了F.Smarandache函数S(n)与素因数和函数(ω-)(n)的加权均值分布,得到了新混合函数S(n)(ω-)(n)的均值性质,并给出一个有趣的加权均值分布的渐近公式.     

涉及广义Fibonacci数的组合恒等式

在组合数论中,涉及Fibonacci及广义Fibonacci数的恒等式是一个非常深入和永久的问题,研究方法多种多样,其中发生函数的方法是证明和得到组合恒等式的一个基本而且重要的方法.本文通过发生函数的方法并结合微分,得到了关于广义Fibonacci组合恒等式.     

解非凸半定规划的一个Lagrange方法

基于一个求解一般非凸半定规划问题的非线性Lagrange函数,给出了其相关算法,研究了函数的性质,证明了算法的收敛性。在适当的条件下,当罚参数大于某一阈值时,算法产生的序列局部收敛,由此给出了与罚参数相关的解的误差估计。     

关于一类Hankel算子的截断性与有界性

本文研究了在两个 Moebius 不变子空间 A_l~(a,2)(D)与 A_l~(a,2)(D)之间的、由双线性形式定义的一类 Hankel 算子的截断(cut-off)性质与有界性质,从而发展了这一算子的 Schatten—von Neumann 性质。     

论编辑能力对学报质量的影响

文章对编辑工作能力与学报质量的关系作了一些探讨。认为编辑在实际工作中所表现出来的能力,不仅体现个人在工作中的实际水平,而且体现出编辑部综合实力的大小,某个编辑环节出了问题,就会直接影响到学报的质量。     

多失效模式下基本变量的重要性测度及其解法

基本变量的重要性分析是工程设计及安全评估的一项必要工作．针对工程实际中经常出现的多失效模式可靠性模型,提出了基本变量对多失效模式下多维响应功能函数全局联合概率分布的重要性测度指标——重要性测度1．同时针对可靠性设计的特点,建立了多失效模式下基本变量对多维响应功能函数局部概率分布的两种重要性测度指标,即基本变量对失效域内多维响应概率分布的重要性测度——重要性测度2和对系统失效概率的重要性测度——重要性测度3,推导了其性质,比较了3种重要性测度的异同和适用范围,并给出了一种求解3种重要性测度的标准方法,从该标准方法的求解过程可以看出,在求解基本变量对多维响应功能函数重要性测度1的同时可求得重要性测度2和3,也即在不增加计算量的同时,该标准方法可为设计人员提供更多的参考信息．最后,以数值和工程算例验证了所提指标和方法的正确性和可行性．     

融合深度特征和FHOG特征的尺度自适应相关滤波跟踪算法

为了解决核相关滤波跟踪算法在复杂场景下跟踪效果差的问题,提出了一种融合深度特征和尺度自适应的相关滤波目标跟踪算法。首先,通过深度残差网络（ResNet）提取图像中被跟踪区域的深度特征,再提取目标区域方向梯度直方图（FHOG）特征,通过核相关滤波器学习,分别得到多个响应图,并对响应图进行加权融合,得到跟踪目标位置。其次,通过方向梯度直方图（FHOG）特征,训练一个PCA降维的尺度滤波器,实现对目标尺度的估计,使算法对目标尺度发生变化有很好的自适应能力。最后,根据响应图的峰值波动情况改进模型更新策略,引入重新检测机制,降低模型发生漂移概率,提高算法抗遮挡能力,在标准数据集OTB100中与其他7种目标跟踪算法进行比较。结果表明,相比原始KCF算法,改进后的KCF算法精准度提升了29.4%,成功率提升了25.9%。所提算法实现了对跟踪目标位置的精准估计,提高了尺度自适应能力和算法速度,增强了算法抗遮挡能力。[JP]     

Lagrange中值定理的一点注记

Ｌａｇｒａｎｇｅ中值定理的一点注记以定理Ａ的形式给出了当弦的斜率ｋ大于ｍａｘ｛ｆ’＋（ａ）,ｆ’（ｂ）｝ 或小于ｍｉｎ｛ｆ’（ａ）,Ｆ’＿（ｂ）｝对;Ｌａｇｒａｎｇｅ牛值定理的相关结果．