一个非线性椭圆方程有限元近似的拟范数插值误差估计

运用拟范数方法,获得一个非线性椭圆方程的有限元插值误差估计.该方程源于弹塑性力学中的组合材料问题.为了在更弱正则性条件下得到该方程的优化先验误差界,这个误差估计是非常必要的.一个推广的拟范数被提出,并建立了该范数下的类似结果.     

二阶常微初值问题的时间间断最小二乘有限元法

采用时间间断最小二乘线性有限元方法求解二阶常微分方程初值问题.利用回收技巧及离散Gronwall引理证明了方法的稳定性.通过引入有限元空间上的范数,给出了方法在该范数意义下丰满的误差估计.数值实验验证了理论分析结果.     

向量范数的积分不等式与应用

证明了2-范数积分不等式,进一步将其推广到一般范数的积分不等式.作为该结果的一个应用,本文在最后一部分给出一个实例说明采用一般的向量范数也可以证明微分方程解的唯一性,从而扩展了微分方程理论分析的思维方法.     

向量范数的几何刻画

从向量范数的定义出发,通过研究范数为1的超曲面的几何性质,给出了范数等价的几何刻画.利用该等价刻画验证了p范数(1≤p≤∞)满足的条件以及p范数关于p递减两个事实.最后进一步讨论了矩阵诱导范数的有界性,得出了在n阶方阵中只有纯量矩阵的诱导范数有界的结论.     

耗散稀薄气体的动力学模型的L1渐近稳定性

本文讨论了一种具有非弹性碰撞的麦克斯韦分子模型,首先利用傅立叶变换的方法分析该模型的自型解在特殊范数下的渐近稳定性,然后通过引入的Sobolev空间,证明该自型解在L1范数下的渐近稳定性.     

基于阿基米德范数的广义直觉模糊Bonferroni平均及其多属性决策方法

主要提出了一种基于阿基米德T-范数和S-范数的广义直觉模糊Bonferroni平均算子.首先利用广义直觉模糊运算法则和阿基米德T-范数和S-范数,构建了一种新的广义直觉模糊Bonferroni平均算子,并详细研究了该算子的一些优良性质,包括幂等性、单调性、有界性以及置换不变性等;然后探究了广义直觉模糊Bonferroni平均算子的几类特殊形式;最后在直觉模糊环境下,基于提出的算子建立了一种新的多属性决策方法,并以图书馆空调系统的选择为例,分析说明了提出的决策方法的可行性和有效性.     

多输入多输出大规模动力系统模型简化的Frobenius范数最小二乘法

对多输入多输出大规模动力系统的模型简化提出了一种新的方法.它是一种投影方法,其投影依赖于奇异值分解(singular value decomposition,SVD)和Krylov子空间.该方法实际上等价于求解一个Frobenius范数最小二乘问题.通过该方法降阶后的模型能准确地匹配原模型的前r个模,剩余的高阶模以Frobenius范数最小二乘法的形式逼近原模型的模,其中,r是降阶系统的维数.还将该方法推广到任意插值点的模匹配,数值例子也证明了该方法的有效性.     

分裂可行问题的1-范数正则化方法

主要研究了分裂可行问题的1-范数正则化.首先利用1-范数正则化方法,将分裂可行问题转化为无约束优化问题.其次讨论了1-范数正则化解的若干性质,并给出了求解1-范数正则化解的邻近梯度算法.最后通过数值试验验证了算法的可行性和有效性.     

扩散过程在Holder范数下的局部 Strassen重对数律

在该文中,作者应用扩散过程在Holder范数下的大偏差得到了扩散过程在Holder范数下的局部Strassen重对数律. 并且还得到了重Ito积分的泛函重对数律.     

可变序结构下向量优化中的一个新非线性标量化函数及其应用

在具有可变序结构的一般拓扑向量空间中定义了一个新的非线性标量化函数,讨论了该函数的主要性质.同时作为应用,通过该函数构造出了一族半范数和一类赋范线性空间,并在最后建立了该非线性标量化函数和半范数的上、下半连续性结论.     

Banach空间中非扩张映射不动点的粘性逼近方法

本文研究了非扩张映射不动点的逼近问题的迭代方法.利用粘性逼近方法,在具有一致Gateaux可微范数的Banach空间中,获得了迭代序列的强收敛性,并说明了该序列强收敛于某变分不等式的唯一解.该方法推广了某些文献的结果.     

基于半范数的风险测度

由于一致性风险测度公理中的平移不变性公理存在不合理性,故可将该该公理从一致性风险测度公理中去掉.将半范数的概念加以扩展,增加单调性要求,则去掉平移不变性公理之后一致性风险测度公理与半范数的要求就完全相同,这样风险度量从本质上讲就是定义在某空间上的半范数.本文发现F ishburn的风险测度是满足正齐次性、次可加性、单调性要求的.从这个意义讲,F ishburn的风险测度是一个比较科学的风险度量方法.     

模糊赋范空间的范数结构（英文）

本文研究了模糊赋范空间中的范数结构问题.利用"切片"的方法,通过引入K函数,在更广泛意义下讨论了带连续t-模的模糊范数空间中存在的范数结构,给出了这些范数结构之间的关系.所得结果推广了现有的结论,并为模糊赋范空间的进一步研究提供了一种新的途径.     

关于随机赋范模中最佳逼近的一个注记

证明了随机赋范模中一个点是其任一子模的依概率范数的弱最佳逼近点当且仅当它是该子模的依概率范数的最佳逼近点,亦当且仅当该点是该子模的依随机范数的最佳逼近点.利用这些关系我们可以借助于随机赋范模的最近进展获得许多概率赋范空间中的新的最佳逼近定理.     

基于SCN函数共轭梯度方向的稀疏向量特征提取算法

稀疏向量特征提取是指在优化时利用各种范数对解进行约束,从而获得带有稀疏特征的最优解,其广泛应用于复杂系统中的机器学习、深度学习和大数据分析等领域的特征提取问题.大量的研究表明各种范数如L₀范数、L₁范数和L₂范数的方法都存在各自的缺点,主要表现在越容易求解的范数越不精准稀疏,越精准稀疏的范数越难求解.文章提出了一种基于SCN函数共轭梯度方向的稀疏向量特征发现算法(CGDL),稀疏向量特征发现可以用一个稀疏特征提取优化模型建立,其目标函数是一个SCN函数,对其中的L₀范数进行转换,形成一个具有特殊结构优化问题,这个问题等价于双层规划的凸-凹极小极大化问题,这类问题可以解决稀疏回归、图像特征和压缩感知等问题.文章给出了上述模型的稀疏特征提取算法的详细计算步骤和收敛性分析证明,并且对给定的实际数据集和高维模拟数据集对算法的有效性、复杂性和收敛速度进行了数值对比实验,表明了该算法在精准度和稀疏性上显著优于其他对比方法,并且具有较好的收敛速度.     

广义Orlicz序列空间的非方性

研究了广义Orlicz序列空间关于Luxemburg范数的非方性,参考经典Orlicz空间的讨论方法,发展了广义情形下的新方法,给出了判别该性质的充要条件.     

非扩张映射粘性逼近的强收敛性

在具有一致Gateaux可微范数的Banach空间中,研究了一个逼近非扩张映射不动点的粘性逼近方法,运用Banach极限推导了该逼近方法收敛的充分条件,并通过对该粘性逼近方法的修正逐步减少了收敛分析中的限制条件.     

关于极分解和广义极分解的一些新结果

本文研究极分解和广义极分解.孙和陈提出的Frobenius范数下的逼近定理被推广至任何酉不变范数情形.得到了次酉极因子的一个新的表达式.通过新的表达式,我们得到了次酉极因子在任何酉不变范数下的扰动界.最后,讨论了数值计算方法.     

Banach空间范数的k-点态粗性和k-粗性

对Banach空间范数引入了k-点态粗和k-粗的概念,利用Banach空间理论的方法,给出了x∈S(X)为范数的k-粗糙点和X的范数是k-粗的一些充分必要条件,证明了(k+1)-粗糙点是k-粗糙点以及k-粗糙点与Fréchet可微性的一些结果.特别地,在k=1的情形下蕴含了关于范数的粗糙点、点态粗范数和粗范数的相应结果.     

关于AHP中判断矩阵校正方法的新探索

本文对 AHP中不一致性判断矩阵 ,提出与文 [1 ]中不同的更为简便、实用的校正方法 .该方法运用向量范数的概念以及判断矩阵的性质 ,探索出了校正判断矩阵的新途径 .最后辅以实例 .