全相似保序变换半群H(SPO_n,r)的秩

设自然数n≥5,X_n={1,2,…,n},并赋予自然数的大小顺序,令H(SPO_n,r)=SPO_n∪L(n,r)(5≤n,2≤r≤n-3)是X_n上的全相似部分保序变换半群.得到全相似保序变换半群H(SPO_n,r)的秩为■.     

非线性玻尔兹曼方程的傅里叶谱方法

玻尔兹曼方程作为空气动理学中最基本的方程之一,是连接微观牛顿力学和宏观连续介质力学的重要桥梁.该方程描述了一个由大量粒子组成的复杂系统的非平衡态时间演化:除了基本的输运项,其最重要的特性是粒子间的相互碰撞由一个高维,非局部且非线性的积分算子来描述,从而给玻尔兹曼方程的数值求解带来非常大的挑战.在过去的二十年间,基于傅里叶级数的谱方法成为了数值求解玻尔兹曼方程的一种很受欢迎且有效的确定性算法.这主要归功于谱方法的高精度及它可以被快速傅里叶变换加速的特质.本文将回顾玻尔兹曼方程的傅里叶谱方法,具体包括方法的导出,稳定性和收敛性分析,快速算法,以及在一大类基于碰撞的空气动理学方程中的推广.     

基于旋转变换和鲁棒主成分分析的车牌校正方法

本文研究了受到非高斯噪声污染及边框信息不完整的车牌图像校正的问题.利用鲁棒主成分分析与旋转变换结合的方法,获得了更具普适性的车牌矫正方法.并通过与主成分分析法、旋转投影法的矫正结果相比较,推广了本文方法具有更好的鲁棒性和普适性的结果.     

ATCase:一个基于多项式约束求解的数值程序测试用例自动生成工具北大核心CSCD

现有的基于符号执行的测试用例自动生成技术存在不足之处:由于精度限制和非线性约束求解的复杂性,符号执行在遇到复杂的非线性浮点约束时效果并不理想.针对这一现状,给出了一个基于多项式约束求解和区间验证的测试用例生成算法.对于复杂非线性约束难以求解的问题,采用基于低秩矩量矩阵恢复的多项式系统求解方法,该方法对于含有等式和不等式的多项式系统,相较于其他方法求解速度更快,更适合大规模问题的求解;对于浮点约束求解不准确的问题,采用基于区间分析的验证算法来计算包含精确实解的区间,基于该区间给出测试用例,可以避免浮点计算的不准确和异常.结合该算法和符号执行工具KLEE-FP实现了一个测试用例自动生成工具ATCase(automatically generate test case),它能够分析数值程序中的路径并自动生成满足路径约束的测试用例.在两个开源软件库中的2两个复杂的真实程序上运行的实验结果表明ATCase相比KLEE-FP所使用的STP求解器,能快速生成具有更高覆盖率的测试用例,特别是在处理相对复杂的非线性约束时,优势更加明显.     

关于求解随机用户均衡问题的截断拟牛顿型信赖域法研究

信赖域法是一种保证全局收敛性的优化算法,为避免Hessian矩阵的计算,基于拟牛顿校正公式构造了求解带线性等式约束的非线性规划问题的截断拟牛顿型信赖域法.首先给出了截断拟牛顿型信赖域法的构造过程及具体步骤;然后针对随机用户均衡模型中变量和约束的特点对算法进行了修正,并将多种拟牛顿校正公式下所得结果与牛顿型信赖域法的结果进行了比较,结果发现基于对称秩1校正公式的信赖域法更为合适.最后基于数值算例结果得到了一些在算法编程过程中的重要结论,对其它形式信赖域法的编程实现具有一定的参考意义.     

一类核具有连续横截面变换半群的秩

设X_n={1,2,…,n}并赋予自然数序,MCK_n是X_n上核具有连续横截面保序或反序变换所构成的半群.K_n是MCK_n的最大正则子半群.本文将考虑K_n的理想K(n,r)={α∈K_n:|im(α)|≤r}(3≤r≤n-1).证明了K(n,r)的秩为(n-r+1)(n-r+2)(n-r+3)/6.     

一些定向图的斜秩

设G~σ为一个定向图,S(G~σ)为它的斜邻接矩阵.定向图G~σ的斜秩定义为S(G~σ)的秩,记为sr(G~σ).本文刻画了一些定向图以及一类k-圈定向图的斜秩.     

矩阵方程AX=B的中心对称定秩解及其最佳逼近

本文研究了矩阵方程AX=B的中心对称解.利用矩阵对的广义奇异值分解和广义逆矩阵,获得了该方程有中心对称解的充要条件以及有解时,最大秩解、最小秩解的一般表达式,并讨论了中心对称最小秩解集合中与给定矩阵的最佳逼近解.     

划分格中的Mbius函数和秩生成函数

设S={1,2,…,n},P(n)是由S的所有划分组成的集合.对于π,σ∈P(n),如果π中的每个块包含在σ的一个块里,就定义π≤σ,那么P(n)作成一个格.如果M(n,k)是由S的所有k部划分组成的集合,而L(n,k)是由M(n,k)生成的格.在P(n)和L(n,k)中,给出M(o|¨)bius函数,并且确定了特征多项式和秩生成函数的表示式.     

基于Walsh平均的非参数回归模型的稳健估计

由于非参数回归模型复杂灵活,被广泛应用。在众多估计方法中,最小二乘法最为常用,一般情况下具有良好的性质,但在处理厚尾分布及异常点时表现的不够稳健。本文针对此,提出了基于Walsh平均的稳健样条估计。我们理论地推导了估计结果的相合性和渐近正态性;并与多项式样条回归做比较。计算得Walsh平均的样条估计相对于多项式样条回归的渐近相对效率与Wilcoxon符号秩检验相对于t-检验的渐近相对效率是一样的。在正态情形下我们的方法与多项式样条回归差不多,在非正态情形下,我们的方法表现更为稳健,效率明显优于多项式样条回归。