反对称线性函数与行列式

通过对反对称线性函数及其性质的探讨,给出了有关行列式传统结论的一种新的表述,将几何直观与行列式的运算有机结合起来,以揭示行列式的一些更直观、具体的内涵.     

Banach格上的b-Dunford-Pettis算子

为了进一步研究Banach格上算子的性质,受b-序有界集和Dunford-Pettis集定义的启发,给出了b-Dunford-Pettis算子的定义,研究了该算子与b-AM-紧算子(Dunford-Pettis全连续算子,弱极限算子,序Dunford-Pettis算子)间的关系;利用b-Dunford-Pettis算子与Dunford-Pettis算子的共轭关系,证明了b-Dunford-Pettis算子满足控制性.     

线性模型中广义最小二乘参数估计误差分布的稳健性研究

研究了线性模型中广义最小二乘参数估计的误差分布稳健性问题.首先讨论了在线性统计模型里,设计矩阵为列降秩矩阵时,模型中给出了误差最大分布类,当误差向量的分布在此范围内变动时,LS估计和GLS估计在均方误差矩阵准则下是最优估计.然后进一步探讨广义最小二乘估计GLSE关于误差分布的稳健性,求出误差项所对应的最大分布族,进而证明了在该区间波动情况下,误差向量对应的始终为一致最优解.     

集值映射多目标半定规划问题的epsilon-弱有效性

对于集值映射多目标半定规划问题, 在近似锥-次类凸的框架下, 建立了含矩阵和向量的择一性定理, 给出了问题的epsilon-弱有效解的epsilon-Lagrange乘子定理及标量化定理和epsilon-弱鞍点定理．     

内蕴平方函数交换子在加权弱Hardy空间上的端点估计

证明了由BMO函数与α阶内蕴面积函数S_α和内蕴g_(λ,α)*函数生成的交换子都是由加权弱Hardy空间WH_(b,ω)~1到加权弱L1空间WL_ω~1上的有界算子.     

伽罗瓦环上的一类No序列的构造

近年来,伽罗瓦环上的序列理论成为人们研究的热点问题.有限域上的No序列是一类伪随机序列,它在序列密码中占具十分重要的角色.本文利用伽罗瓦环上的置换,构造了伽罗瓦环Z_(p~e)上的一类新的No序列,并且研究了其线性复杂度.研究的结果表明此类No序列具有相当大的线性复杂度.     

线性矩阵方程与线性矩阵方程组

研究了线性矩阵方程(组)的解的结构理论和求解方法.     

Besov空间中双参数Volterra型重分数过程的弱逼近

In this paper, we prove that two-parameter Volterra multifractional process can be approximated in law in the topology of the anisotropic Besov spaces by the family of processes{B_n(s,t)},n∈N defined by B_n(s,t)=∫_0~s ∫_0~tk_(a(s))(s,u)K_(β(t))(t,u)θ_(n(u,v))dudv,here {θ_n(u, v)}n∈N is a family of processes, converging in law to a Brownian sheet as n→∞,based on the well known Donsker's theorem.     

基于高光谱的黑色签字笔墨水种类鉴别方法研究

该文提出了高光谱成像技术结合机器学习快速无损鉴别黑色签字笔墨水种类的新方法。采集36支不同品牌型号的黑色签字笔笔迹的高光谱图像,对每支签字笔笔迹的高光谱图像选取18个感兴趣区域,共提取648个平均光谱作为样本集。对450～950 nm的原始光谱进行Savitzky－Golay平滑、Z－Score标准化和两种组合方法光谱预处理,使用线性判别分析（LDA）和随机子空间－线性判别分析（RSM－LDA）分别构建黑色签字笔墨水种类鉴别模型。实验结果表明：不同预处理方法对RSM－LDA模型的鉴别准确率影响较小,而对于LDA模型,组合预处理具有更优的鉴别准确率;相比LDA模型,RSM－LDA模型分类效果更佳,训练集的平均分类准确率达100%,交叉验证平均分类准确率达99.09%,测试集的平均分类准确率达90.70%,每类样本的准确率、精准率、召回率均高于LDA模型分类结果,模型的接受者操作特征曲线下方面积（AUC值）达0.998 3,模型性能良好。因此,采用高光谱成像技术结合RSM－LDA可实现不同品牌型号黑色签字笔墨水的快速无损鉴别。     

基于精确质量数筛选的超高效液相色谱-线性离子阱/静电场轨道阱质谱法快速鉴别化妆品中的邻苯二甲酸酯

采用超高效液相色谱-线性离子阱/静电场轨道阱组合式高分辨质谱联用(UPLC-LTQ Orbitrap MS),结合邻苯二甲酸酯(PAEs)精确质量数,建立了快速筛选、定性识别化妆品中PAEs的分析方法。不同种类的化妆品样品经甲醇提取,Waters ACQUITY UPLC BEH C18色谱柱(100×2.1mm,1.7μm)分离,以乙腈-水(含5mmol/L乙酸铵和0.1%甲酸)为流动相梯度洗脱。通过UPLC-LTQ/Orbitrap MS的正离子模式全扫描分析,获得提取物中PAEs化合物母离子和主要碎片离子精确质量数,实现对化妆品的快速筛选。以保留时间和数据依赖扫描(Data Dependent Scan)模式获得的子离子质谱图进行定性确证。所发展的UPLC-LTQ Orbitrap MS方法分离度高、灵敏度好,所考察的14种常见PAEs的精确质量数相对偏差小于5.0×10-6,线性良好,相关系数大于0.99,14种PAEs的检出限在0.05~0.5mg/kg范围内,能满足化妆品实际样品的分析要求。对50种化妆品实际样品进行筛选,结果良好,说明该方法是化妆品中PAEs快速筛选、定性识别的有效方法。