关于Van der Waerden猜想的一个注记

给出了（ｘｉｊ）ｎ×ｎ＝（１／ｎ）ｎ×ｎ为ＶａｎｄｅｒＷａｅｒｄｅｎ猜想对应多元函数的一个极小值点的改进证明．     

一类混合概率型算子的任意阶矩

利用Γ函数在区间[0, ∞]上给出了一类加权积分型算子并得到其各阶矩，推广了关于SzaszDurrmeyer算子及Baskakov-Durrmeyer算子的相应结果，同时指出了它在研究随机过程中的意义。     

结合方案的积扩张与和扩张

给出了用已知结合方案构造出新结合方案的两种方法,即所谓的结合方案的积扩张与和扩张．     

关于Vander Waerden猜想的一些结果

本文将ＶａｎｄｅｒＷａｅｒｄｅｎ猜想转化为多元函数的极值问题，初步证明了（１ｎ，１ｎ，…，１ｎ）１ｘｎ２为所对应多元函数的一个极小值点     

Szász-Durrmeyer算子的同时逼近

给出了 Szász- Durrm eyer算子及其导数对具有指数增长的第 1类间断点的函数的逼近度     

Baskakov-Durmeyer算子一致逼近的正定理

给出了ＢａｓｋａｋｏｖＤｕｒｒｍｅｙｅｒ算子及其线性组合一致逼近的正定理，利用光滑模ωｒφλ（ｆ，ｔ）（０≤λ≤１），φ（ｘ）＝ｘ（１＋ｃｘ），ｃ＞０）推广宣培才［１］导出的结果到一般形式     

Boolean方阵的注记

一个n阶Boolean方阵A=[aij]n×n等价于顶点集是1,2,…,n的有向图D(A),所以Boolean方阵有 很大实用价值.目前它已经成为工程技术和信息处理中不可缺少的数学工具,并逐渐渗透到其他领域. Kim[1]曾论述了Boolean向量和Boolean方阵的性质,但对Boolean方阵的某些性质未做深入研究. Boolean方阵与Hadamard矩阵有许多相似之处,文献[2]作者利用Boolean向量巧妙地证明了不存在 4K(K＞1阶完全循环的Hadamard矩阵的猜想.文献[3]较系统地讨论了Boolean方阵的幂序列,使人们 对Boolean方阵的性质的认识日渐深化,作者在使用Boolean方阵处理数据时,利用类似方法发现了它的 几条性质.     

基于二维图像矩阵的稀疏表示分类方法

利用稀疏表示对图像分类时,需要将二维图像转换为一维特征向量,这大大增加了计算复杂度和忽略了图像矩阵中固有的局部结构信息.为了解决上述问题,设计了完全基于二维特征矩阵的稀疏表示人脸分类方法.首先将二维图像转为2D Fisherface矩阵,然后直接利用二维矩阵求解稀疏表示和进行分类.整个识别过程中,不需要将二维图像转换为一维向量.实验结果表明,二维特征矩阵在稀疏表示分类中是十分有效的,设计的方法可以更快的运算速度达到更高的识别率.在ORL人脸数据库和Extended Yale B人脸数据库上的识别率分别达到97.5%和99.3%.     

Szasz-Durrmeyer算子的同时逼近

给出了Szasz-Durrmeyer算子及其导数对具有指数增长的第1类间断点的函数的逼近度.     

MKZ型算子中心矩的明确上界估计

MKZ型算子及其各类变型算子在逼近论中占据重要地位．若计算其各阶中心矩,其上界估计式需要首先给出．但是,由于算子本身计算复杂度很高,仅仅是其二阶矩的粗略估计和明确估计分别是在18年和35年之后才有人给出．而其各阶矩的粗略估计更是在近半个世纪之后得到的．参考已有研究成果,利用新的逼近技巧给出MKZ型算子各阶矩的明确上界估计．