一类积分微分方程初值问题的正解

本文研究初值问題 x′=g(t,x,Tx) x(0)=x_0的正解,其中 Tx=φ_0(t)+integral from n=0 to 1 h(s,t)x(s)ds证明了初值问题的正解、最大解、最小解的存在性,并将所得结果应用于二阶常微分方程,得到正解的存在性。     

半群关于自身的局部化

证明丰群A关于自身局部化A_A是其极大Abel群同态象,这时A的象集恰为A的极大可消半群象。还进一步证明,如果S为A的理想且为内区,则S关于S的局部化恰好等于A关于A的局部化。最后证明了交换逆半群关于幂等无半格的局部化同构于其关于本身的局部化。     

Banach空间中Volterra型非线性积分方程的最大最小解

利用Schauder不动点定理，研究了Banach空间中Volterra型非线性积分方程的最大解和最小解的存在性．     

Banach空间中混合型非线性积分──微分方程的最大解和最小解

在弱序列完备的Ｂａｎａｃｈ空间中，利用推理论和单调迭代方法，研究了混合型非线性积分－微分方程初值问题最大解和最小解的存在性。其结果改进和推广了许多已知的结果。     

On的局部极大J-平凡子半带

本文刻划出On的每个局部极大J-平凡子半带,并证明了它们都是富足的.     

关于一个新定义的最大函数的加权赋范不等式

本文定义了一个类似Ｈａｒｄｙ最大函数的加权最大函数，并且给出这一函数满足一加权赋范不等式的充分条件和必要条件。     

CFSBC： Clustering in High-Dimensional Space Based on Closed Frequent Item Set

Clustering in high-dimensional space is an important domain in data mining. It is the process of discovering groups in a high-dimensional dataset, in such way, that the similarity between the elements of the same cluster is maximum and between different clusters is minimal. Many clustering algorithms are not applicable to high dimensional space for its sparseness and decline properties. Dimensionality reduction is an effective method to solve this problem. The paper proposes a novel clustering algorithm CFSBC based onclosed frequent hemsets derived from association rule mining. which can get the clustering attributes with high efficiency. The algorithm has several advantages. First, it deals effectively with the problem of dimensionality reduction. Second, it is applicable to different kinds of attributes, Third, it is suitable for very large data sets. Experiment shows that the proposed algorithm is effective and efficient     

An(n≥5)的单性的一个新证明

给出了一个判断含单极大子群的群为单群的条件，并且通过对这个条件的验证给出了An（n≥5）是单群的一个新的证明．     

振动冲击复合作用下土体的压实机理

从土力学角度，对振动冲击复合作用下土体内部的任一点应力进行理论分析，并对土体的破坏准则进行相应判断；对振动冲击复合作用下土体的最大影响深度进行理论计算，与静力、振动和冲击进行对比；在理论上对振动冲击复合压实机理进行研究，为振动冲击复合压实机的发展提供理论依据。     

同态满射下最大理想的象与逆象

得到了同态满射下,最大理想的逆象是最大理想,并给出了最大理想的象也是最大理想的一些等价条件.