LexiT序方法的推广

在最大运算量为2n的LexiT序和LexiS序的基础上,提出了新的LexiTN序和LexiSN序,这两种序保持了LexiT序和LexiS序的所有性质,且它们的最大运算量为2n-1.另外,基于广义平均算子与有序加权平均算子,提出了最大运算量为n的LexiH序与LexiF序,研究了其性质.将[0,1][n]上的LexiR序推广到[0,1]n上,讨论了其性质.     

在线增强型复值混合信号盲分离算法研究

基于二阶统计量，对在线分离复值混合信号法进行了研究．假设源信号是独立的且非常态，信号的伪协方差矩阵能增加约束条件，从而可证明二阶统计量能够完全分离复值混合信号，而且对信号是否平稳不作要求．结合非常态信号的独立性，构造出代价函数，利用梯度下降法推导出在线盲分离算法．通过盲分离算法的仿真试验，发现所提出的盲分离算法能充分利用复值非常态信号的二阶统计量，算法具有鲁棒性好、运算速度快和可在线实现等优点．     

广义高阶Bernoulli多项式和广义高阶Euler多项式的关系

利用发生函数的方法得到了广义高阶Bernoulli多项式和广义高阶Euler多项式之间的关系,并由此得到了一些特殊情况包括高阶Bernoulli多项式和高阶Euler多项式之间的关系.     

包含约束极值问题的二阶最优性条件

定义了函数f的二阶逼近;给出了当f和集值函数F的支撑函数的和函数在(x-,0)处具有紧二阶逼近时,f在约束0F(x)下取得最小值的二阶充分条件和必要条件.     

基于项目集的关联规则数据挖掘

为了发现项目集中所有的频繁模式,根据关联规则定义及属性,利用Apriori算法实现关联规则的挖掘,挖掘出新的关联规则。可产生清晰有用的结果;通过项目集的关联规则挖掘研究结果既可以广泛应用于各个领域,也可以检验行业内长期形成的知识模式,同时能够发现隐藏的新规律,成为完成数据挖掘任务的一个重要手段。     

Order Aggressiveness in Shanghai Stock Market of China

This paper analyzes order aggressiveness in Shanghai stock market of China which is a pure order driven market. We provide empirical evidence that the mean order aggressiveness is negative （low） and most traders are liquidity providers. Our results also show that high order aggressiveness accompanied with high market volatility and large trade volume. The intraday order aggressiveness pattern is from low to high. Four factors： spread, volatility, order imbalance and size affect order aggressiveness, but they affect the buy and sell side differently.     

奇异二阶微分方程边

利用拓扑度理论研究了奇异二阶Neumann边值问题.在有关其线性算子方程对应的第一特征值的条件下得到了边值问题正解及多解的存在性.     

非线性常微分方程数值解的渐近表示以及应用

对于非线性常微分方程一般不存在解析解,但是通过数值方法发现,有些非线性常微分方程的振荡渐近解是有规律的.因此,可以用最小二乘法等方法对这些数值解拟合出渐近解,在此基础上,再通过理论分析得出更具体的结果,为非线性微分方程的研究提供了一种途径.为了提高计算精度、避免计算过程出现崩溃,我们引入了数值解的函数变换和自变量变换的方法,这也保证了数值结果的可靠性.本文通过对数值解的渐近表示,验证了Painlevé方程振荡渐近解的一些现有结果,并得出一些新的结果.     

第一语言与第二语言词汇习得顺序研究

简要叙述了当前对语言习得顺序研究的最新成果,进一步探讨了语言习得中词汇习得的顺序问题。认为在词汇习得顺序方面,第一语言的词汇习得顺序与第二语言的词汇习得顺序有所不同;在第二语言的词汇习得顺序方面,习得者习得词汇的顺序因开始习得时的年龄不同也有所不同,此项研究进一步拓展了语言习得领域的发展,有着很重要的意义。     

一种基于FP-tree的最大频繁项目集挖掘算法

挖掘最大频繁项目集是许多数据挖掘中的关键问题．为克服早期基于Apriori的最大频繁项目集算法中的缺点,相继有多种挖掘最大频繁项目集方法被提出．其中对基于FP-tree的最大频繁项目集挖掘算法比较多,但对FP-tree中的结点的频度计数关注的很少．通过对FP-tree结构进行了仔细分析后,在FP-tree中结点的频度计数和集合理论的基础上,提出了一种新的最大频繁项目集挖掘算法USDMFIA(using set to discover maximum frequent itemsets algorithm)．通过分析比较,显示此算法是有效的．