连续函数超空间

基于空间X到空间Y的连续函数族作为乘积空间X×Y的闭子集组成的超空间CL(X×Y)的子空间 ,在限制Y为Hilbert方体Q时 ,得到连续函数超空间C(X ,Q)同胚于Q的伪内部s;在限制X为单位闭区间I时 ,考虑连续函数超空间C(I,Y)在CL(I×Y)中的闭包 ,得到其元素到Y的投影是连续统 ,且投影随I中的点连续变化 ,并举例说明了即使X为单位圆盘 ,上述第二个结论也不能成立 .     

用光学分数Fourier变换的方法测定自仿射分形的Hurst指数

采用光学分数Fourier变换的方法从实验上测定了规则自仿射分形图形的Hurst指数, 并将此方法推广到无规自仿射分形图形, 测定了几种无规自仿射分形图形的Hurst指数. 实验结果证实了光学分数Fourier变换方法分析自仿射分形图形的可行性.     

超球上关于不变度量的（0，q）-Green式的性质

证明了：对任一（0,q)式g(z)=1/q!g_Aq(z)dz^Aq,其系数gAq-(z)满足:gAq(z)/1-|z|^2在B^n-连续，则有□w∫Bng(z)∧*N(z,w)=g(w)。     

lonApollonian度量及其应用(英文)

利用变换和模给出了Apollonian度量的解析表达式 ,建立了Apollonian度量与双曲度量的联系 ,得到了拟圆的一个充分条件。最后 ,作为应用给出了著名的Koebe’s 14 定理的一个新证明     

完备凸度量空间中Ishikawa迭代序列强收敛到两个映射的公共不动点定理

在完备凸度量空间(X,ρ)中,设S、T是满足条件(A)或(B)的闭凸子集上的两个自映射,从两方面研究了映射S、T的公共不动点问题:1.如果映射S、T生成的Ishikawa迭代序列强收敛,则收敛点为S、T的公共不动点;2.如果S、T的公共不动点非空,则映射S、T生成的Ishikawa迭代序列强收敛到S、T的公共不动点.结论改善并推广了部分作者的相关结果[1~5],[7~8].     

人民币汇率市场联动特征分析

融合Copula理论和GARCH有偏T模型,构建了汇率波动的t-Copula-DCC-GARCH-skewT模型,对中、美、欧3大经济体货币汇率USD-CNY和EUR-USD进行实证研究.该模型能够捕捉到人民币汇率之间的动态相关性.相关曲线展现了3大经济体在汇率制度上的阶段性联动特征,表明中、美、欧等经济体货币汇率联动性有利于人民币国际化的汇率制度建设以及世界经济的共同治理和系统性风险防范.     

拟双曲一致域与弱拟对称映射

根据拟双曲一致域和拟对称映射的基本性质,利用拟双曲度量作为研究的重要工具,主要讨论了度量空间中拟双曲一致域的几何性质,同时刻画了拟双曲一致域在弱拟对称映射下仍然是保持不变的.     

一种基于孪生网络的图片匹配算法

随着卷积神经网络（Convolutional Neural Networks,CNN）的不断改进，基于CNN的图片匹配成为图像处理的关键，然而，许多基于CNN的图像相似度检测算法对图像特征的表达能力较差，且曼哈顿距离或欧式距离的计算方式导致在计算损失函数时模型不一定能很好地收敛.针对此问题，提出一种基于孪生网络和注意力机制的方法（CSNET）来提升图像匹配的性能，主要步骤如下：使用将激活函数改进为Mish函数的VGG16网络作为主干网络提取图像的特征，在模型的卷积层加入注意力机制模块（Convolutional Block Attention Module,CBAM），这提高了模型的特征提取能力和鲁棒性，保证训练可以收敛.对模型输入图片对的特征向量的欧氏距离，再利用网络全连接层输出的相似度分数来度量被检图片是否相似.将提出的CSNET与其他图片匹配方法在Omniglot和SigComp2011等数据集上进行比较，实验结果表明，CSNET能有效提高图像相似度匹配的准确性.     

一种基于不确定度的证据冲突识别方法

从高度冲突证据对D-S证据理论的应用约束出发,针对几种常用冲突度量方法存在的问题,定义了描述证据自身特征的不确定度,将证据冲突涵义从证据间不一致扩展到证据内外,给出基于不确定度的证据冲突多元度量,并为增强冲突的识别效果提出最大差异度的冲突处理方法.验证分析得出:本文给出的度量方法能够有效表征证据间的冲突程度,最大冲突差异度的处理实现了证据冲突识别的显著化,在证据冲突度量与识别中具有很好的普适性和有效性.     

剪刀式量角器

<正>自一点引出的两条射线所形成的平面图形为角。大家对角的测量和画法一定都比较熟悉。在学习中,我们常遇到这样的题目:已知两条未交叉的线段,求它们的角的度数。通常情况下,我们会延长两条线段使其交叉,然后用量角器量出度数。这种解题方法比较繁琐,耽误时间。此外,我还发现如果角的度量边过短,使用普通量角器量角时,还需延长度量边才能读数。