确定任意多边形中轴的算法

提出确定凸多边形中轴和任意简单多边形中轴两个算法,其基本思想是利用与多边形两条边或三条边等距离的点的轨迹。算法的时间复杂性均为线性的,优于Ｌｅｅ算法（１９８２年）和Ａｇｇａｒｗａｌ算法（１９８９年）。与Ｃｈｉｎ等人提出的算法（１９９９年）具有相同的时间复杂性的阶,但思想方法完全不同,并且产生的结果也不相同,该算法获得直线段树,更有利于应用。     

牛顿法在新的仿射逆变条件下的半局部收敛性分析

非线性方程及非线性方程组的数值求解一直是计算数学所关注的问题,公认的经典算法是牛顿法,对于它的局部收敛性已有很多研究.在经典牛顿法的半局部收敛Kantorovich定理的基础上引入仿射逆变性,研究了牛顿法在仿射逆变Lipschitz条件和仿射逆变Holder条件下的半局部收敛性.简化了牛顿法的收敛行为,得到了相应的半局部收敛性定理及误差估计.推广并改进了相关文献的结果,表明了该方法的有效性.     

液滴与液面碰撞对冲聚合现象研究

液滴撞击是一个复杂的过程,溅射堆积与被抛射体的速度密切相关。在撞击过程中,除了可以观察到常见的一般溅射外,还经常可以观察到在撞击中心区域的强烈抛射现象,这些被强烈抛射的物体是如何产生并获得较大的抛射速度一直未能被清晰揭示。利用牛顿碰撞定律,研究了被抛射体获得较大抛射速度的一种途径,即撞击的对冲聚合效应。不考虑液滴撞击液面过程中的复杂动力学及热力学过程,将撞击对冲聚合过程简化为两次非弹性碰撞过程,建立了撞击对冲聚合模型。该模型非常简洁地得出了碰撞过程中的被抛射体的速度以及撞击过程中的总动能转化为热能的比率。由于天体撞击过程与液滴撞击过程具有一定的可比性,研究结果对于理解天体撞击抛射和撞击熔融现象非常有意义。     

2N体问题两层正多边形中心构型

研究2N体问题2层正多边形中心构型.给出了2层正多边形中心构型存在的条件方程,论证了解的存在性.     

求解温度场的非线性有限元方法

从Galerkin有限元方法出发,对自由表面上的辐射换热的数学表达式不作线性化处理,而是把温度场的求解问题转化为非线性代数方程组的求解问题,并且用Newton迭代法计算了温度场．     

Adjustable entropy function method for support vector machine

Based on KKT complementary condition in optimization theory, an unconstrained non-differential optimization model for support vector machine is proposed. An adjustable entropy function method is given to deal with the proposed optimization problem and the Newton algorithm is used to figure out the optimal solution. The proposed method can find an optimal solution with a relatively small parameter p, which avoids the numerical overflow in the traditional entropy function methods. It is a new approach to solve support vector machine. The theoretical analysis and experimental results illustrate the feasibility and efficiency of the proposed algorithm.     

论牛顿的引力近距作用场思想

以《自然哲学之数学原理》为基础,研究了牛顿的万有引力观及其在“引力近距作用场”发现过程中的作用.认为在《自然哲学之数学原理》中,“运动力”就是施力物体施加于受力物体上的万有引力;“加速力”与今天物理学上所说的“引力场强”十分相似;“绝对力”是分布于中心物体中的“加速力”,相当于今天物理学中的“引力场强”.因此,牛顿关于万有引力的论述中蕴含着物理学早期近距作用场的思想萌芽.     

结合加权KNN和自适应牛顿法的稳健Boosting方法

Boosting是机器学习领域中重要的集成学习方法，以AdaBoost为代表的Boosting算法通过在组合弱学习器时不断加强对错分类样本的关注以构建性能优异的强学习器，而该训练机制对噪声点的无差别对待易引发学习器对噪声过拟合，从而削弱算法的稳健性.针对该问题，提出结合加权KNN和自适应牛顿法的稳健Boosting方法.该方法首先通过加权KNN估计样本的噪声先验概率，然后使用噪声先验概率修正Logit损失构建一种新的损失函数，最后采用自适应牛顿法进行损失函数的优化求解.提出方法引导分类器在给予错分类样本更高权重的同时，对噪声先验概率大的样本给予相应的惩罚，使噪声样本的权重得到有效的缩减.结果表明，与其他稳健Boosting方法对比，在不同噪声水平下以及真实的医疗数据集的不同评价指标下，该方法表现出更好的稳健性，具有明显的应用价值.      

超平面交单调锥上投影算子的快速算法及其实现

研究超平面交单调锥上的投影问题，给出求解该问题的池相邻违反算法和半光滑牛顿法，并对算法进行有效性分析，最后将两种算法进行数值对比.数值实验结果表明：在求解随机数据集上的投影问题时，池相邻违反算法比目前流行的半光滑牛顿算法更高效.     

计算图式流形 vertices同胚类个数的一个公式

利用求数列个数办法推导出计算图式流形n+ 1vertices的同胚类个数公式 .