一类新的(2n-1)点二重动态逼近细分

利用正弦函数构造了一类新的带有形状参数ω的(2n-1)点二重动态逼近细分格式.从理论上分析了随n值变化时这类细分格式的C~k连续性和支集长度;算法的一个特色是随着细分格式中参数ω的取值不同,相应生成的极限曲线的表现张力也有所不同,而且这一类算法所对应的静态算法涵盖了Chaikin,Hormann,Dyn,Daniel和Hassan的算法.文末附出大量数值实例,在给定相同的初始控制顶点,且极限曲线达到同一连续性的前提下和现有几种算法做了比较,数值实例表明这类算法生成的极限曲线更加饱满,表现力更强.     

二项指数和四次混合均值的计算

本文研究了二项指数和四次均值的计算问题.利用初等数论及代数数论的方法获得了一个精确的计算公式以及一个转换公式,推广了已有的结果,揭示了均值计算与同余方程组的本质联系.     

一个二元叠加码M_q(t,k,d)生成的二元等重码

研究了二元叠加码Mq(t,k,d)也是一个二元等重码,给出了它成为最佳等重码的条件,研究了它的检错性.     

平面图最小平衡二部划分的上界

关于平面图的平衡二部子图的研究有一个猜想:任意一n个顶点的平面图G(V,E),必含有一个平衡二部子图G(V_1,V_2)使得e(V_1,V_2)≤n.证明了若n个顶点的哈密尔顿平面图G(V,E)中含有一个近似等边三角形,n≥18,那么G(V,E)必含有一个平衡二部子图G(V_1,V_2)使得e(V_1,V_2)≤n.     

分数扩散模型的参数估计及其应用

研究分数扩散模型的参数估计及其应用问题.分数扩散模型是一类由分数Brownian运动驱动的随机微分方程.主要结果有:(1)利用二次变差方法给出模型中扩散系数的估计量,通过最小二乘法给出模型中漂移系数的估计量;(2)证明这些估计量的一致收敛性和渐近正态性;(3)利用MCMC方法对此估计量进行验证,并通过R软件将上述模型以及参数估计量应用到SHIBOR利率中进行实证研究.     

一类Neumann边值问题非平凡解的存在性

利用临界点理论中的对称山路引理和分析技巧,研究一类Neumann边值问题在超二次条件下非平凡解的存在性,获得了一些新的可解性条件,进一步统一和改进了相关文献的结果.     

结合àtrous算法与Retinex算法的医学图像增强

提出结合àtrous算法与Retinex算法的医学图像增强.方法在二进小波理论基础上,利用推广的二维àtrous算法对医学图像进行处理,对经过多级分解后的医学图像的低频利用连续非线性函数增强,而对分解后的多个高频采用改进的Retinex算法进行增强;最后,对增强后的低频和高频进行重构.经过反复仿真试验结果表明:方法在去除噪声的同时更好地保留了图像边缘特征,增强了图像细节信息和凸显图像的轮廓,并克服对比度下降的不足,较好地去除光晕现象,视觉效果好,层次感更丰富.     

一种基于校正无线电传播时间的室内三维定位模型

对室内终端进行基于无线通信基站的三维定位时,由于无线电在传播过程中,存在建筑物或树木遮挡、反射、折射等物理现象,导致基站到终端传播时间的测量值与精确值之间存在误差.为了减少上述误差对定位精度的影响,运用无线定位原理建立了一种基于校正无线电传播时间的改进的室内三维定位模型.通过对2016年全国研究生数学建模问题C题所提供的不同场景的数据分析,发现基站与终端无线电传播时间的测量值与其精确值之间存在线性关系,而且同一场景下近似有相同的线性关系,场景不同线性关系一般不同.基于这一现象,对基本的定位模型进行了合理的修正形成了改进的定位模型,数值实验表明改进的定位模型有很好的定位精度和鲁棒性.     

关于二段直线法的改进与理论推导

为了解决利用甲型水驱特征曲线预测高含水期开发指标时存在较大误差的问题,利用高含水期相对渗透率比与含水饱和度关系曲线近似呈直线的特点,对相渗比曲线的高含水弯折段进行了线性拟合;基于得到的直线方程,结合相关油藏工程理论,验证了甲型水驱特征曲线在高含水开发期会发生偏折,且偏折后的线呈直线,并推导了第二直线段的方程.利用实际相渗曲线以及生产数据,得到了第二直线段的方程,并预测了开发指标,其与实际生产数据的年平均误差控制在了0.11%以内,精度较高,比直接应用甲型水驱特征曲线进行指标预测的结果更好.     

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.