广义中值滤波收敛的一些序列类

本文首先给出广义中值滤波收敛的一个充分条件,然后给出了广义中值滤波收敛的一些重要序列类。     

广义中值滤波收敛的一些序列类

本文首先给出广义中值滤波收敛的一个充分条件,然后给出了广义中值滤波收敛的一些重要序列类.     

理想收敛的若干研究及推广

在Banach空间X中利用序列的I-收敛与I*-收敛给出理想I具可加性质(AP)的等价刻画,并进一步研究弱I-收敛、弱I*-收敛、一致弱I*-收敛之间,以及弱I-收敛与收敛之间的关系,最后基于I-λ-统计收敛给出其推广:I-A-统计收敛,并以次微分映射为工具定义一族有限可加测度,用于等价刻画I-A-统计收敛,这亦是有限可加测度的一个应用体现.     

关于关联随机变量序列的极限收敛定理

本文给出了两两PQD的随机变量序列的级数收敛及加权部分和的稳定性的两个结果。另给出了相伴(associated)序列加权和的稳定性的一个结果。最后给出了一个级数收敛定理条件不能减弱的反例。     

次线性期望下大数定律的收敛速率（英文）

在本文中,我们研究次线性期望下独立同分布随机变量的大数定律的收敛速率.我们给出了大数定律的一个强L~p收敛版本和一个强拟必然收敛版本.     

交错级数敛散性判别法

给出了交错级数的一个判别法,应用此判别法可直接判别交错级数是否收敛,以及收敛时是绝对收敛还是条件收敛.     

全局收敛的鲁棒极点配置算法

本文利用一个新的鲁棒性指标,给出了一个全局收敛的用状态反馈配置鲁棒极点的算法,并证明了收敛点至少是局部最优解。     

非线性约束条件下的SQP可行方法

本文对非线性规划问题给出了一个具有一步超线性收敛速度的可行方法。由于此算法每步迭代均在可行域内进行，并且每步迭代只需计算一个二次子规划和一个逆矩阵，因而算法具有较好的实用价值。本文还在较弱的条件下证明了算法的全局收敛和一步超线性收敛性。     

一类并行数值Schwarz格式的收敛性及比较定理

本文对［１］给出的一类求解椭圆型偏微分方程的并行数值Ｓｃｈｗａｒｚ格式作了进一步的分析，给出了一个新的收敛定理，根据该收敛定理，可以把文［１］中的主要收敛快慢进行了比较，得出了一些比较结果。     

关于从{sin n}中选取收敛子列的问题

本文证明了在{sinn}中存在收敛于零的子列,并用连分数理论中的逼近定理给出了一个收敛于零的收敛子列的递推算法。     

线团-收敛图

一个图的线团图就是这个图的线图的团图。对于自然数n，一个图被称为n-线团－收敛的，如果它的n次线团图同构于一个固定的图。否则称之为发散的。本刻画了线团－收敛图与发散图，给出一个线团－收敛图的构造方法，并且，讨论了线团－收敛图的线团－收敛指数。     

概率算子测度弱收敛的一个方法

本文给出一个新的概率算子测度弱收敛的充要条件。     

正基与一类直接搜索法

本文对非线性规划中的一类直接搜索法给出了一个统一的收敛定理,这类方法被称为定步长下山法,它包括了轴向搜索法、Hooke-Jeeves方法以及对Hooke-Jeeves方法所作的简化与变形(文中给出)作为特例,从而这些算法的收敛性质均能根据上述统一的收敛定理得到,除了这些以外,单纯形调优法也能用同样的想法来进行分析,这由作者在另一文中给出,为了上述目的,本文还对代数中的正基作了若干研究。     

Lenglart不等式与特殊半鞅的收敛集

本文讨论局部鞅和特殊半鞅的收敛集。我们给出Ｌｅｎｇｌａｒｔ不等式的一个推广形式，利用这一不等式对一些定理给出了简单证明，对一些结果作了改进和推广。     

Catmull-Clark曲面控制网格的收敛性质

文献[4]给出Catmull—Clark细分曲面控制网格的收敛速率和一个误差计算公式．本文在这基础上提出一个新的算法，并借助此新算法得到关于Catmull—Clark细分曲面控制网络的收敛速率的更精确的估计和给出更好的误差计算公式．     

轴对称非协调元收敛理论与方法

基于加权Sobolev空间理论,建立了轴对称非协调元收敛准则。首先给出了轴对称非协调元的广义分片检验和F-E-M条件。又给出了一个既可用于检验单元收敛又可用于指导设计单元的轴对称非协调元收敛准则——强分片检验(SPT)。按此收敛准则建立了构造轴对称非协调元的一般方法。     

Hilbert空间中k—严格伪压缩映像不动点的迭代算法

给出了Hilbert空间中k-严格伪压缩映像不动点的一个迭代算法,并利用所给出的算法证明了一个强收敛定理.     

不确定变量序列均方收敛的充分必要条件

不确定理论是用来刻画人类不确定性的一个数学分支。本文证明了不确定变量序列均方收敛的一些数学性质,并给出了不确定变量序列均方收敛的一个充分必要条件。     

随机规划经验逼近问题最优解集的几乎处处下半收敛性

本文给出了随机规划经验逼近最优解集几乎处处下半收敛的一个充分条件,并由此得到随机规划经验逼近最优解集几乎处处Hausdorff收敛的一个充分条件.     

Grunwald插值算子的Lp收敛速度

讨论了以第二类Tchebycheff多项式的零点为插值结点组的Grünwald插值于Lp下的收敛性.当1≤p＜2时,给出了收敛速度的一个精确估计;当p≥2时,说明了其Lp下不是收敛算子列.给出了一种以第二类Tchebycheff多项式的零点为插值结点组的修改的Grünwald插值,证明了其于Lp(1≤p＜∞)下是收敛的.