Hessian方程粘性解的Lipschitz连续性

本文利用逼近理论及内估计给出了Hessian方程粘性解的局部Lipschitz连续性。     

具源函数的p-Laplacian发展方程边界连续性

考虑退化方程u_t=div(|▽u|~(p-2)▽u)+u~q的Cauchy问题,其中初始函数u_0(x)的支集有界,p>2,1相似文献   

时滞泛函微分方程的(A,B,D_)方法

在求解泛函常微分方程的(A,B,D)方法基础上进一步推广到时滞的情况,形成(A,B,D)方法,并得到零稳定的充分条件。     

不精确高斯法的局部收敛性质

分析了非线性最小二乘高斯牛顿法的局部收敛性质.运用Hlder连续性质,在简单的仿射不变条件下保证不精确高斯牛顿法的局部收敛性,得到收敛速率和收敛半径,同时还得到不精确高斯牛顿法的1+p阶收敛.不精确高斯牛顿法用较弱的条件代替牛顿法较强的条件,并运用Matlab进行运算,得到较理想的结果.     

一种改进的小波去噪中模极大值处理的方法

基于多尺度分析，引入Mallat提出的补偿因子削减非连续二进尺度对小波系数造成的影响：利用信号和噪声奇异指数不同的特点判断噪声模极大值，并对其所在选通域进行直线平滑处理：把阈值去噪和Witkin的尺度跟踪理论结合，有效恢复了1尺度细节系数。仿真实验结果表明，这种改进后的方法能保护信号的原有信息，有着更好的去噪效果且计算量较小。     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪。     

含时滞的双向联想记忆神经网络的全局吸引性和全局指数稳定性

本文研究了具有时滞的双向联想记忆神经网络模型,在非线性神经元激励函数是Lipschitz连续的条件下,通过构造适当的泛函,得到了该系统的平衡点是全局吸引和全局指数稳定.     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力，是描述和检测信号局部性质的有效手段；利用小波变换模极大值能检测出信号上的所有奇异点，根据小波变换模极大值随尺度的增、减规律，去除噪声对应的极值点，再由模极大值重构信号，提出了小波变换基于奇异信号的消噪方法，并应用于对一瞬时心率信号进行消噪。     

Hilbert空间中可列个伪压缩映像的强收敛定理

研究实 Hilbert空间中寻求可列个一致Lipschitz伪压缩映像之公共不动点的三步混合粘性逼近法的收敛性.在缺乏它们的一致闭条件下,建立了该方法的强收敛定理.所得定理改进与推广了文献中早期与最近的有关结果.     

小波分析在线性负载仿真控制中的应用

通过小波、尺度函数与多分辨率的理论分析，对线性负载仿真控制器机组转速信号进行了时频局部化分解，发现奇异点的位置和空间分布状况，可精确地描述信号的局部奇异性，为故障诊断提供了新的技术和方法。