模糊映射的广义混合型强变分不等式

研究了新的一类模糊映射的广义混合型强变分不等式问题。证明了这类问题解的存在定理和收敛定理，给出解的带误差的Ishikawa型迭代算法。     

对经典隐马尔可夫模型学习算法的改进

改进经典隐马尔可夫模型(HMM)的状态转移和输出观测值的假设条件,并在经典隐马尔可夫模型的基础上导出新模型的学习算法.新算法避免了经典隐马尔可夫模型中状态转移概率和输出观测值概率计算时只考虑当前状态而不考虑历史的简单做法.     

改进的带驻留时间隐Markov模型的前向-后向算法

对隐Maxkov模型(hidden Markov model:HMM)的状态驻留时间的概率进行了修订,给出了改进的带驻留时间隐Markov模型的结构,并在传统的隐Markov模型(traditional hidden Markov model:THMM)的基础上讨论了新模型的前向.后向变量,导出了新模型的前向-后向算法的迭代公式,同时也给出了新模型各个参数的重估公式.     

序Banach空间中集值混合单调映象的耦合不动点定理

在序Banach空间中,研究了一类集值混合单调映象,用不同方法证明了两个新的耦合不动点存在性定理,所做工作扩充了文[5]的研究成果.     

一类集值映射的向量均衡问题

在拓扑向量空间内,研究了一类新的集值映射的广义向量均衡问题,利用KKM定理,证明了解的几个存在性定理,并讨论了解的性状.所得结果推广了近期一些作者的研究成果.     

集值映象的向量变分不等式和相补问题

研究了一类集值映象的广义向量变分不等式和相补问题 ,证明了解的一些存在性定理 .推广和改进了文 [1 ,4 6 ]的相关研究成果 .     

含趋势项强相依非平稳序列的两个重要分布

{ηn}为平稳标准化正态序列,相关系数r|t-j|=Cov(ηu,ηj),若rnlogn→∞时,Leadbetter[1]等得到了序列最大值的渐近分布.本文考虑非平稳带有趋势项序列{ηn},得到了序列最大值的渐近分布和最大值与部分和的联合渐近分布.     

隐马尔可夫模型在生物信息学中的应用

隐马尔可夫模型 ( HMM)是一个能够通过可观测的数据很好地捕捉真实空间统计性质的随机模型 ,该模型已成功地运用于语音识别 ,目前 HMM已开始应用于生物信息学 ( bioinformatics) ,已在生物序列分析中得到了广泛的应用 .本文首先介绍了 HMM的基本结构 ,然后着重讨论了 HMM在 DNA序列的多重比对 ,基因发现等生物序列分析中的应用     

读“一个分式不等式的再推广”后的思考

宋庆在文[1]中对文[2,3,4]的一个不等式作再推广如下: 如x,y,z,n∈R ,m≥2,x y z=1,则 xm/y(1-yn), ym/z(1-zn) zm/x(1-xn).≥y(1-yn), y/z(1-zn) zm/x(1-xn).≥3n-m 2/3n-1 (1)     

带参数的一类广义隐拟变分包含问题

研究了一类带参数的广义隐拟变分包含问题,证明了这类问题解的存在性定理,并分析了解的性状和灵敏性.推广了某些相关结果.