光滑Banach空间上的范数对偶映照

本文给出光滑Banach空间X到共轭空间X~*的范数对偶映照是一个同胚映照的充要条件。定义1 设X是线性赋范空间,f是定义在开凸集AX上的连续且可微的凸函数,映照 T:x→▽f(x),x∈A叫做(关于凸函数f的)梯度映照。▽f(x)表示凸函数f在x∈A点的梯度。T是X到X~*的非线性映照。定义2 设X是光滑的线性赋范空间,f(x)=1/2‖x‖~2,关于凸函数f的梯度映照     

调和映照的Bloch常数

由精确化的Schwarz引理,研究开调和映照类和K-拟正则调和映照类的Bloch常数,改进陈怀惠和P.M.Gauthier的相应结果.分别得到开调和映照类用全纯函数的Bloch常数表示的渐进精确的偏差估计,以及K-拟正则调和映照类的用系数|b1|表示的偏差估计.     

多复变数的从属链与螺形映照

用从属链研究有界平衡域上的螺形映照,首先给出α型螺型映照的一个等价刻划,然后给出其增长定理,并指出增长定理对一般的螺形映照并不成立。     

n维拟共形映照的开拓和n维 Grtzsch 问题

用拓扑方法得到了Jordan域与单位球拟共形等价的一个充要条件,另外还研究了两个n维Gr(?)tzsch问题,证明了在所有将一个n维长方体映照为正方体的拟共形映照中,使其最大伸张K_t最小的映照是仿射变换,且是唯一的;并给出了所有将球环Aγ_1。映为Aγ_2的拟共形映照中使其最大伸张K_o的最小映照。     

关于星形映照的系数极值问题

在[2]中,笔者提出了多复变量空间中系数极值问题的一种归纳方法,并对一类Reinhardt域上的凸映照与多圆柱上的某些星形映照的系数矩阵给出了精确估计.其后,史济怀在[1]中考虑另一问题时,用不同的方法得到了相同的部分结果.本文证明,对于多圆柱上一般的星形映照,它的系数矩阵及矩阵中每个元素的极值问题同样存在.同时对超球上的一般星形映照的第二个系数矩阵及矩阵中每个元素也得到了类似的结果.本文还将用例子说明,对于稍为一般的映照类,例如实系数的映照,不存在按[2]意义下的系数极值,即使是单个系数的极值问题也不存在.这表明,单叶函数与多复变量双全纯映照的系数问题具有本质上的区别. 本文的记号沿用[2].     

C^n中双全纯映照与H^∞的弱星序列生成子

用泛函的方法给出了判别C~π中双全纯映照的一个充分条件。特别地,对多项式凸域间双全纯映照而言,这个条件是充分必要的。     

1<α<2阶非线性分数阶微分方程解的渐近稳定性（英文）

主要讨论了一类阶数为1α2的非线性分数阶微分方程解的渐近稳定性.这类方程首先被转化为带有分数次积分扰动的常微分方程,进而运用Banach压缩映照原理,建立了一些保证这类方程的解渐近稳定的充分条件,围绕非线性分数阶微分方程的稳定性分析进行了新的尝试.最后通过举例说明该方法的有效性.     

1 < α < 2阶非线性分数阶微分方程解的渐近稳定性

主要讨论了一类阶数为1＜α＜2的非线性分数阶微分方程解的渐近稳定性.这类方程首先被转化为带有分数次积分扰动的常微分方程,进而运用Banach压缩映照原理,建立了一些保证这类方程的解渐近稳定的充分条件,围绕非线性分数阶微分方程的稳定性分析进行了新的尝试.最后通过举例说明该方法的有效性.     

多复变数中两类双全纯映照子族之间的关系式

建立了复Banach空间单位球上α次殆星形映照(双全纯星形映照)族与强α次殆星形映照(强星形映照)族之间的关系式,与此同时也建立了n中有界星形圆形域上α次殆星形映照(双全纯星形映照)族与强α次殆星形映照(强星形映照)族之间的关系式.由此,易由多复变数的α次殆星形映照(双全纯星形映照)构造出强次殆星形映照(强星形映照).     

多复变双全纯映照的几个偏微分不等式

本文建立了多复变数单位球上全纯映照的一些偏微分不等式，由此可映照本身的一些几何性质，并得到星形映照和螺形映照的充分判别条件。     

Face Recognition Using Kernel Discriminant Analysis

Linear Discrimiant Analysis (LDA) has demonstrated their success in face recognition. But LDA is difficult to handle the high nonlinear problems, such as changes of large viewpoint and illumination in face recognition. In order to overcome these problems, we investigate Kernel Discriminant Analysis (KDA) for face recognition. This approach adopts the kernel functions to replace the dot products of nonlinear mapping in the high dimensional feature space, and then the nonlinear problem can be solved in the input space conveniently without explicit mapping. Two face databases are used to test KDA approach. The results show that our approach outperforms the conventional PCA(Eigenface) and LDA(Fisherface) approaches.     

一种基于自适应模糊滤波的语音增强方法

在语音识别和语者识别中，通常需要先将输入的语音信号进行去噪处理，这样可使识别的正确率大大提高，通常采用基于LMS算法和RLS算法的自适应线性滤波器来进行去噪。提出了一种基于自适应模糊滤波器的语音增强方法，该模糊滤波器是一种非线性滤波器，它在语音信号的特征域空间采用参数映射的方式来滤除噪声，并能够进行自适应结构调整和参数更新。实验结果表明，采用自适应模糊滤波器来滤除噪声比线性滤波器具有更好的效果。     

基于HS-SPME/GC-MS与模式识别技术判别红茶产地

本文建立一种基于顶空固相微萃取气质联用法(HS-SPME/GC-MS)分析红茶中挥发性组分,并结合模式识别方法实现了红茶的产地鉴别.采用HS-SPME法在100℃提取60 min,热解吸法直接进样气质联用仪(GC-MS)分析.根据挥发性组分的总离子流图,采用聚类分析、主成分分析和线性判别分析等模式识别技术实现了对不同产地红茶的判别.     

基于BP网络的同面多电极技术图像重构算法

为实现同面多电极技术对飞机用复合材料损伤区域和大小的识别,采用BP神经网络算法建立采样电容值与检测区域介电常数分布的非线性映射,利用输出灰度值实现损伤区域的图像重构.利用主元分析法对输入电容值进行降维处理.采用自适应调整学习率与动量因子方法加快了BP网络训练的收敛速度.仿真结果表明,该算法重构的损伤区域图像成像速度较快,准确度满足实现同面多电极技术对复合材料损伤区域大小和位置识别的要求.     

特征空间中的拓展稀疏人脸识别

基于稀疏表示分类（SRC,sparse representation for classification）是近年来模式识别领域中备受关注的一个研究热点。当每类训练样本较少时,SRC的识别效果往往不理想。为解决此问题,人们提出了拓展的稀疏表示分类算法。它引入了训练样本的类内变量矩阵,来补充每类训练样本信息。但是,该方法很难获取普遍存在于复杂数据如图像中的非线性信息。为此,提出了特征空间中的拓展稀疏人脸识别算法。该算法将样本集非线性映射到新的特征空间中,计算每个训练样本在表示测试样本时所做的贡献。根据贡献大小,给每个训练样本赋予一定的权重。同时,利用类内变量矩阵,共同表示测试样本。实验表明所提出的算法优于其它经典稀疏表示分类算法。     

支持向量机的人脸识别方法

简要介绍了基于统计学习理论中结构风险最小化原则的支撑向量机(SVMs)技术的国内外研究现状,分析了该技术的优越性和存在的某些局限,并提出了该技术的一些改进思路.     

结合张量特征和孪生支持向量机的群体行为识别

给出一种结合张量特征和孪生支持向量机的群体行为识别算法,以提高对视频中群体行为识别的准确率.首先通过群成员关节点骨架的姿态结构信息和群成员的社会网络信息描述群体在每一帧中的行为,并采用张量形式表示;然后使用多路非线性特征映射分解张量核,并利用粒子群优化张量核孪生支持向量机的模型参数;最后结合张量特征和孪生支持向量机实现视频中的群体行为识别.CAD2数据集和自建数据集上的实验结果表明,张量特征能够有效地表示群体行为,相比经典算法,所提算法能有效提高群体行为识别的准确率.      

基于特征融合的KLPCCA及其在人脸识别中的应用

对发掘人脸图像中的高维非线性结构,将加核及典型相关分析两种思想同时引入局部保留投影算法中,提出了一种新的基于核的局部保持典型相关分析（Kemel base Locality Preserving Canonical Correction Analvsis,KLPCCA）非线性子空间人脸识别算法并给出了其推导过程。算法首先利用核的方法提取人脸图像中的非线性信息,然后通过局部保持投影算法做一线性映射,从而更简单准确的进行人脸识别。在ORL上的试验证明了该文所提算法的有效性。     

利用神经网络学习的岩体分级

将神经网络理论应用于岩体分级,意在探索出一条更强有力的分级新途径。利用神经网络对已知样本集进行学习,建立各种地质及工程因素与岩体的等价级别之间非线性映射。学习后的网络及权值可用于识别新的岩体的等价级别。主要探讨了PDP模型学习岩体分级的方法,并给出了应用结果。     

基于核Fisher判别分析的粮虫特征压缩方法

针对粮仓害虫种类多、类别之间相似度比较高的特点,提出基于核Fisher判别分析的粮虫特征压缩方法.利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核Fisher判别分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取.从粮虫分类效果方面,将KFDA法与FDA法、PCA法和KPCA法3种方法进行了比较分析.应用KFDA法提取的前4个特征,由最近邻分类器对粮仓中常见的9类粮虫进行分类,验证集的识别率为93.33%.结果表明:KFDA法对粮虫特征的非线性比较敏感,在有效降低特征维数的同时,还提高了类别之间的可分性.