解约束序列极大极小问题的凝聚同伦方法

Consider the constrained sequential max-min problem (CSMMP):     

集值映射的切导数与向量优化问题的最优性条件

利用集值映射切导数与半可微概念，给出了无约束与具约束的集值向量优化问题局部真有效解与局部强有效解的最优性条件。     

基于小波包分析及支持向量机的超音速目标识别方法研究

提出了基于小波包分析及支持向量机的超音速目标识别方法 .通过 5 .5 6mm ,7.6 2mm和 12 .7mm三种枪弹试验获取信号 ,用小波包分解激波信号 ,统计每个频带的能量特征 ,用支持向量机方法训练测试样本 ,获得了很好的分类效果 .仿真结果表明基于超音速飞行体产生的激波信号来识别目标是可行的 .     

Lehmer序列中的平方数

设V_n(R,Q)表示参数为R和Q的Lehmer伴随序列,如果R和Q为互素奇数且D=R-4Q>0,我们找出了满足Q_n(R,Q)或nQ_n(R,Q)是平方数的所有奇数n,这里Q_n(R,Q)R~(1/2)=V_n(R,Q)。     

半参数回归模型估计的平均相合性

在误差序列为Lqmixingale情形下，给出了半参数回归模型中β和g(t)估计，研究了估计量的q阶平均相合性在较一般的条件下，得到了理想的结果     

半参数回归模型中小波估计的随机加权逼近速度

把小波光滑方法和随机加权方法结合在一起，获得了半参数回归模型中参数分量的小波估计的随机加权逼近速度为σ(n^-1/2)。因此，从大样本意义上说，小波光滑方法和随机加权方法对半参数回归模型是可用的。     

把握知识的交汇点 充分发挥向量的作用

向量作为新教材的一个亮点,倍受关注.由于向量集数、形于一体,涉及了代数、几何、三角等多门课程,而向量方法特别便于研究有关直线和平面的各种问题,因此对向量的学习和研究一定要溶于这些课程,并把握好向量与各课程间的交汇点,发挥其作用.     

广义向量均衡问题的解与解集的凸性

引进集值映射的锥真拟凹概念，讨论一类具有集值映射的广义向量衡问题解的存在性与解集的凸性。     

赋Orlicz范数的Musielak-Orlicz序列空间的Gateaux可微点与Frechet可微点

该文给出赋0rlicz范数的Musielak-Orlicz序列空间中Gateaux可微点(光滑点)与Frechet可微点(强光滑点)的判定准则．在此基础上推出了该空间具有光滑性或强光滑性的充分必要条件．