基于K最近邻的L2,1范数稀疏回归分类器

在模式分类中．基于旋转不变范数的回归分类器（RRC）最近得到广泛的应用．然而RRC的稀疏重构是建立在全体训练样本之上．当训练样本的数量很大时,计算的时耗比较大．同时,对稀疏程度的过度追求也在一定程度上影响了分类性能．基于K最近邻分类器提出了一类局部的基于K最近邻的L2,1范数稀疏回归分类器（KNN—SRC）,该分类器比全局的RRC计算速度快,同时。利用K最近邻点代替全体训练样本,在一定程上避免了非同类的相似样本对测试样本的过度稀疏表示,从而提高分类性能．KNN—SRC的分类性能在UCI的Wine数据集和Yale人脸数据库上作了检测．测试结果表明KNN—SRC分类性能优于RRC．     

纳什均衡问题的H_∞状态反馈策略

研究具有l2范数有界不确定性扰动的纳什均衡问题·以具有不确定性扰动的线性二次纳什均衡对策问题为例,将其归结为由二人非合作非零和对策和各对策方与外部扰动的二人零和对策构成的复合对策问题,应用H∞控制理论方法,给出并证明了扰动衰减H∞状态反馈策略存在的条件和求解方法,并通过简例说明了算法的有效性     

Brownian单在H(o)lder范数下的泛函Lévy连续模

利用Brownian单在H(o)lder范数下的大偏差,证明Brownian单在H(o)lder范数下的泛函Lévy连续模.     

S-粗集与它的F-记忆

利用S-粗集(singular ough sets)和S-粗集的遗传特性,给出知识的f-记忆和S-粗集的F-记忆的概念．利用这些概念,提出S-粗集的F-记忆特性,S-粗集的F-记忆定理,F-记忆链上知识丢失原理．F-记忆是S-粗集的重要特征之一．     

赋广义Orlicz范数Orlicz函数空间的局部一致凸性

利用Banach空间凸性理论研究赋广义Orlicz范数Orlicz函数空间的局部一致凸和弱局部一致凸问题, 得到了Orlicz函数空间关于广义Orlicz范数局部一致凸和弱局部一致凸的条件.     

斜投影方法收敛速度的估计

对斜投影法的收敛速度给出了上下界 .     

积分型F-压缩映射的公共不动点定理

主要借鉴Branciari和Phaneendra等人的思想,在G-度量空间中对Banach压缩映射原理进行探索,给出了一个积分型F-压缩映射的公共不动点定理.共分为三个部分：第一部分是引言和研究背景,着重阐述国内外学者对G-度量空间中单值积分型压缩映射、度量空间中单值F-压缩映射所进行的研究工作及其获得的某些结果;第二部分是预备知识,主要介绍文中涉及到的一些定义、符号、基础知识和引理;第三部分是主体,主要以Branciari, Wardowski和Aydi等人的成果为基础,结合Shoaib等人的创新想法,在G-度量空间中给出了一个单值积分型F-压缩映射的公共不动点定理.该定理不同于前人已取得的成果,并推广了文献[8]中的定理3.5.     

矿料间隙率破坏的范数灰关联度分析

利用范数灰关联度方法,分析了影响矿料间隙率(VMA)破坏的因素.研究发现,级配、砂当量、拌合温度和集料形状等作用突出.结论对如何有效控制VMA,提高沥青混合料质量有实际意义.     

具有变时滞的随机忆阻神经网络在固定时间内的控制同步

研究了一类具有混合变时滞的随机忆阻神经网络在固定时间内的控制同步问题. 通过集值映射,随机微分包含理论,固定时间内稳定性理论,李雅普诺夫函数,伊藤公式和一些不等式方法,在与时滞τ,随机扰动项及转换跳跃T_i相关的恰当的反馈控制器u_i(t)的控制下,得到了新的该神经网络在固定时间内控制同步的充分条件.