李超代数S(2)上的Rota-Baxter算子

主要研究李超代数S(2)上权为0的Rota-Baxter算子, 根据S(2)_0^-与sl(2,C)同构的这一性质, 利用sl(2,C)的Rota-Baxter算子, 给出了李超代数S(2)上的权为0的偶的Rota-Baxter算子, 同时利用 Rota-Baxter算子的定义计算得到了李超代数S(2)上的权为0的奇的Rota-Baxter算子。     

钩形弯交叉口信号协同控制优化方法研究

针对车辆在钩形弯交叉口与相邻常规交叉口间的整体运行特性,建立了各条车道的车辆平均延误计算模型。以各交叉口的周期时长和相位绿灯时间为约束,钩形弯交叉口与相邻常规交叉口间的车辆平均延误最小为目标,建立了信号协同配时方案。以位于苏州市高新区内有轨电车沿线的两个相邻交叉口为例,采用实际数据验证所建立的方法,并设置钩形弯渠化方案。将设置的钩形弯交叉口与其相邻常规交叉口的信号协同作为改进方法,在VISSIM软件中对比分析改进方案与现状方案的车辆延误指标。实验结果表明,钩形弯交叉口与相邻常规交叉口的信号协同优化方法可有效提高交叉口的通行能力,尤其是干道直行机动车的通行能力,可降低车辆的平均延误。     

黎曼流形上关于p-Laplacian的ν-Euclidean类型的Faber-Krahn不等式

首先利用Federer-Fleming定理研究了黎曼流形上p-Laplace算子的解析Faber-Krahn不等式;其次利用余面积公式和Cavalieri原理研究了黎曼流形上p-Laplace算子的解析Faber-Krahn不等式的一般化.     

基于频率的Read Mapping种子选择算法

选择具有最低频率的最优种子是一个复杂的计算问题,往往需要很长时间.提出了一种read的基于频率的合并种子选择算法(FMSS),该算法能够高效地选择接近最优的种子集合,可用于改善现有映射工具的性能.实验对比了平均种子选择方法和当前最优的种子选择策略(OSS,optimal seed solver),结果显示FMSS算法能够用很少的时间代价给出接近OSS的最优种子集合,这表明FMSS算法可集成到现有映射工具中用于处理更大规模的read mapping问题.     

带有白噪声的Berger方程随机吸引子

考虑带有白噪声的Berger方程解的随机渐近性行为, 用渐近先验估计技术和算子分解方法, 通过引入同构映射构造等价过程, 证明随机吸引子在(H²(U)∩H¹₀(U))×L²(U)中的存在性.     

基于变精度可能算子的网络概念认知

网络上的概念认知是网络数据分析领域的一个重要方向。从形式概念分析中的必然算子、可能算子出发,提出变精度可能算子,表明经典可能算子是变精度可能算子的特殊情形;进一步,对可能算子的性质进行研究,并解释它们在传染病网络研究中的意义;接着,根据变精度可能算子提出两种网络广义概念及其上下近似与边界,通过实例说明基于变精度可能算子的上下近似和边界在网络概念认知中具有更丰富的语义;然后,结合复杂网络分析中的网络特征值方法,定义网络弱概念,并提出基于变精度可能算子的网络弱概念获取方法;最后,利用文中算法在UCI数据集上进行测试,结果证实了变精度可能算子在网络概念认知中的优势。     

对称算子空间上的保秩1线性映射

设H是一个复Hilbert空间,S(H)为H上对称算子全体所成的集合,用Γ表示S(H)中秩1算子全体所成的集合.设L是S(H)上的映射,如果L(Γ)Γ,则称L是保秩1的.S(H)上保秩1的弱连续线性映射被刻画.     

分块对称r循环算子的范数不等式

循环(块循环)算子是一类重要的算子,在量子计算、时间序列分析、压缩感知等科学与工程计算中有着广泛的应用。分块对称r循环(r反循环)算子的生成方式可以看作是将循环算子的生成方式取对称,并将副对角线以下的元素添加参数r或-r,r0。基于降阶思想,利用分块对称r循环矩阵的对角化性质和酉不变(弱酉不变)范数的性质,给出了分块对称r循环算子和分块对称r反循环算子由子块导出的算子范数和Schatten p–范数不等式和等式结果。     

p－一致平滑空间局部Lipschitz方程解的迭代逼近

设Ｘ为ｐ－一致平滑的Ｂａｎａｃｈ空间，ｐ∈［１，２］，Ｔ：Ｄ（Ｔ）→Ｘ是局部Ｌｉｐｓｃｈｉｔｚ和严格增殖算子，本文给出了非线性方程ＴＸ＝Ｙ的解的迭代逼近，所得结果推广了文［１］的主要结果。     

OFDMA系统中满足不同时延要求的跨层资源分配算法

针对OFDMA系统下行链路资源分配和调度问题,提出了一种跨层子载波和功率联合分配算法。其优化目标是在保证每个时延敏感用户的平均时延要求的条件下,最大化时延不敏感用户的长期平均吞吐量。该算法首先根据时延敏感用户的时延要求、队列状态和信道状态进行子载波和功率联合分配,即每分配给一个子载波后就立即用最优的功率分配算法在该用户内部进行一次子载波功率分配,以满足其平均时延和比特溢出率(QoS);然后将剩余系统资源根据对平均速率提高贡献最大原则对时延不敏感用户进行子载波和功率联合分配。仿真结果显示,该算法不仅保证所有时延敏感用户的QoS和用户间平均时延的公平性,还在系统的平均吞吐量和满足用户的不同时延要求之间达到一个很好的平衡。