具有变量自由参数的分形插值曲面的构造与性质

在矩形区域上使用具有变量自由参数的迭代函数系,构造了一类新的分形插值曲面,并研究了这类曲面的若干性质.证明了这类变参数的迭代函数系能生成连续的二元分形插值曲面,指出该类曲面可用作任意数据点上的自仿射和非自仿射的分形插值模型.在两种度量意义下,导出了能刻画这类分形曲面敏感性的一些不等式.给出了相应的分形插值函数与数据生成函数之间的误差估计.最后,在一定条件下,证明了这类分形插值函数序列一致收敛于数据生成函数.     

具有函数纵向尺度因子的分形插值函数的分析特性

研究一类具有函数纵向尺度因子的分形插值函数的光滑性、稳定性和敏感性等分析特性.给出了这类分形插值函数的光滑性结果,证明了它们的稳定性.同时,考虑这类分形插值函数及其矩量的敏感性问题,证明了当生成这类分形插值函数的迭代函数系有小的扰动时,相应的分形插值函数及其矩量也有小的扰动,给出了相应扰动误差的上估计.     

分形插值函数的分数阶微积分的分形维数

证明了线性分形插值函数的Riemann-Liouville分数阶微积分仍然是线性分形插值函数.在基于线性分形插值函数有关讨论的基础上,证明了线性分形插值函数的Box维数与Riemann-.Liouville分数阶微积分的阶之间成立着线性关系.文中给出的例子的图像和数值结果更进一步说明了这个结论.     

二维分形插值函数及其小波类型级数表示

本文对一类很广泛的二维分形插值函数进行了研究，给出了分形插值函数连续的充分必要条件和一种构造迭代函数系统使其吸引子是连续函数的方法，并将分形插值函数表示为一个二维小波类型级数，其“母函数”是由迭代函数系统中的位移函数所决定，这种表示方式不仅提供了一种生成分形插值函数有效方法，而且对研究分形插值函数的性质及所描述的物理对象的特性也是十分有意义。     

关于分形插值函数的连续性和可微性

获得了由迭代函数系统(IFS)定义的两类分形插值函数具有Hlder连续性的充分条件,给出了这两类分形插值函数连续可微的充要条件,并证明了可微分形插值函数的导函数是由关联IFS生成的分形插值函数.     

一种分形插值函数的最大值问题

通过迭代函数系统构造出一种分形插值函数,从研究迭代过程入手,得到了关于这种自仿射分形插值函数的一些性质和特点.在垂直比例因子1/2d1的情况下,证明最大值的存在性,并计算出此类分形插值函数的最大值.     

一类非均匀分形插值函数的可微性

本文研究一类分形插值函数的可微性问题，通过构造一迭代函数系，利用迭代函数系的唯一吸引子。给出了一类分形插值函数。并获得了此类分形插值函数在[0，1]区间上几乎处处可微和在[0，1]区间上某一点不可微判定的充分条件，推广了文献[2]的结论。     

分形插值函数的矩量及扰动误差估计

研究分形插值函数的矩量积分问题.对于一类分形插值函数,给出了它在各阶区间上的(p,q)阶矩量积分的计算公式.此外,考虑含有扰动项的迭代函数系所产生的分形插值函数的矩量,讨论了扰动项对于矩量的影响,给出扰动前后矩量的误差估计式.     

三角剖分上的仿射迭代函数系统分形插值曲面

对二维平面上三角形区域进行三角剖分,构造仿射变换,由二元分形插值函数引入第三维的值,构成迭代函数系统(IFS).利用此IFS构造了一类山状分形插值曲面.通过数值实验对比分析表明:它比人们以往用矩形剖分得出的分形图形效果更逼真,更接近于自然.     

矩形域上分形插值研究

该文给出了矩形域上分形插值数学模型, 分形插值曲面的计算公式, 证明了分形插值曲面迭代函数系唯一性定理, 导出了分形插值曲面的维数定理,并应用实际数据进行了分形插值曲面的实例研究. 为工程中长期寻求的粗糙表面模拟提供了理论基础和实用方法.     

Some properties of fractal interpolation functions on Sierpinski gasket

In this paper, we discuss some basic properties of uniform fractal interpolation functions (FIFs), which is a special class of FIFs, on Sierpinski gasket. We firstly study the min-max property of uniform FIFs. Then we present a necessary and sufficient condition such that uniform FIFs have finite energy. Normal derivative and Laplacian of uniform FIFs are also discussed.     

Box dimension and fractional integral of linear fractal interpolation functions

In this paper, we present a new method to calculate the box dimension of a graph of continuous functions. Using this method, we obtain the box dimension formula for linear fractal interpolation functions (FIFs). Furthermore we prove that the fractional integral of a linear FIF is also a linear FIF and in some cases, there exists a linear relationship between the order of fractional integral and box dimension of two linear FIFs.     

分形插值函数H(o)lder指数估计的一个注记

考虑基于非均匀剖分的分形插值函数(FIFs),通过建立符号级数表示式,获得了分形插值函数Hlder指数估计的一个结果.我们得到的结论要优于已有的估计结果.     

Energy and Laplacian of fractal interpolation functions

In this paper, we first characterize the finiteness of fractal interpolation functions(FIFs) on post critical finite self-similar sets. Then we study the Laplacian of FIFs with uniform vertical scaling factors on the Sierpinski gasket(SG). As an application, we prove that the solution of the following Dirichlet problem on SG is a FIF with uniform vertical scaling factor 1/5: Δu = 0 on SG\{q_1, q_2, q_3}, and u(q_i) = a_i, i = 1, 2, 3, where q_i, i = 1, 2, 3, are boundary points of SG.     

Reproducing Kernel Hilbert Spaces and fractal interpolation

Reproducing Kernel Hilbert Spaces (RKHSs) are a very useful and powerful tool of functional analysis with application in many diverse paradigms, such as multivariate statistics and machine learning. Fractal interpolation, on the other hand, is a relatively recent technique that generalizes traditional interpolation through the introduction of self-similarity. In this work we show that the functional space of any family of (recurrent) fractal interpolation functions ((R)FIFs) constitutes an RKHS with a specific associated kernel function, thus, extending considerably the toolbox of known kernel functions and introducing fractals to the RKHS world. We also provide the means for the computation of the kernel function that corresponds to any specific fractal RKHS and give several examples.     

Convergence of trajectories in fractal interpolation of stochastic processes

The notion of fractal interpolation functions (FIFs) can be applied to stochastic processes. Such construction is especially useful for the class of α-self-similar processes with stationary increments and for the class of α-fractional Brownian motions. For these classes, convergence of the Minkowski dimension of the graphs in fractal interpolation of the Hausdorff dimension of the graph of original process was studied in [Herburt I, Małysz R. On convergence of box dimensions of fractal interpolation stochastic processes. Demonstratio Math 2000;4:873–88. [11]], [Małysz R. A generalization of fractal interpolation stochastic processes to higher dimension. Fractals 2001;9:415–28. [15]], and [Herburt I. Box dimension of interpolations of self-similar processes with stationary increments. Probab Math Statist 2001;21:171–8. [10]].We prove that trajectories of fractal interpolation stochastic processes converge to the trajectory of the original process. We also show that convergence of the trajectories in fractal interpolation of stochastic processes is equivalent to the convergence of trajectories in linear interpolation.     

股票价格的分形拟合方法研究

主要研究股票价格的变化及对其拟合的方法.在介绍了关于分形和遗传算法的要点后,首先从理论上说明了分块分形插值的逆问题,进而做了具体的数据分析,对大量股票价格数据进行模拟,得到了较为满意的结果,说明这种方法是可行的.