随机分形

本文概括了随机分形的主要结果，综述了随机分形的最新进展和目前的动态，提出了一些末解决的问题，全文共分为三部分：（１）由随机过程和随机场（如Ｌｅｖｙ过程，Ｇａｕｓｓ场，自相似过程等）产生的各种随机分形集（如象集、水平集、Ｋ重点集等）的Ｈａｕｓｄｏｒｆｆ维数、测度和ｐａｃｋｉｎｇ维数、测试；（２）随机Ｃａｎｔｏｒ型集和统计自相似集的维数和测试；（３）分形集（如Ｓｐｉｅｒｐｉｎｓｋｉ ｇａｓｋｅｔ，ｎｅ     

MoranFractals的推广及其多重分形分解

本文给出Ｍｏｒａｎｆｒａｃｔａｌｓ的一个推广并且研究了其多重分形分解问题。     

多型随机递归集关于统计自相似测度的Multifractal分解

本文构造了一类多型随机递归集Ｋ,并利用 Ｆａｌｃｏｎｅｒ的方法［１］获得了Ｋ的重分形分解集Ｋａ（ａ＞０）的Ｈａｕｓｄｏｒｆｆ维数和Ｐａｃｋｉｎｇ维数．     

多型随机递归集关于统计自相似测度的Multifractal分解

本文构造了一类多型随机递归集K,并利用Falconer的方法[1]获得了K的重分形分解集Kα(α>0)的Hausdorff维数和Packing维数.     

R~n上分形集的多重维数

本文推广Ｈａｕｓｄｏｒｆｆ测度和维数的概念，引入了被称作为多重维测度和多重维数的概念．文中证明了关于多重维测度的Ｆｒｏｓｔｍａｎ定理，构造了一个例子说明存在一类点集，其Ｈａｕｓｄｏｒｆｆ测度是零或十∞，但其多重维测度是一个正数，并说明了多重维数除第一个分量是正数外，其它分量可以取到任何实数．     

RN中某些分形子集的Hausdorff维数与Hausdorff测度

给出了RN中某些分形子集的Hausdorff维数及其Hausdorff测度估计式.     

随机分形的测度性质

本文主要介绍随机过程样本轨道、Ｈａｗｋｅｓ模型、统计自相似集、统计自仿射集的测度性质，同时也将介绍一些离散分形的结果．文中还列出一些尚未解决的问题．     

一类推广的随机分形的 Hausdorff维数

该文研究一类推广的${\bf R}^{d}$中具有有限记忆的随机递归模型,引入了一个与该结构有关的函数$\Psi(\beta),\beta\geq 0$,构造了一个随机测度$\mu_\omega$,证明了由该结构产生的随机集 $K(\omega)$的Hausdorff维数是$\alpha:=\inf\{\beta:\Psi(\beta)\leq1\}$.     

正实数维分形集的构造方法

给出了测量一类分形集维数的简单方法. 根据这种测量方法, 可以构造出任意实数维分形集,并且分形集可以不是自相似的.     

THE RANDOM SHIFT SET AND RANDOM SUB-SELF-SIMILAR SET

First of all the authors introduce the concepts of random sub-self-similar set and random shift set and then construct the random sub-self-similar set by a random shift set and a collection of statistical contraction operators.     

相伴于随机自相似分形的随机测度的强测度的收敛性

构造了随机自相似分形及其上的记忆函数,并得出了有关结论,在此基础上,我们可以定义一个随机概率测度dΦn(τ)=Kn(τ)dτ,Φn(τ)弱收敛于Φ,进一步可得到强测度序列Ψn(·)=EΦn(·),则{Ψn}弱收敛于Ψ=EΦ.     

相伴于随机自相似分形的随机测度的强测度的收敛性(英文)

构造了随机自相似分形及其上的记忆函数,并得出了有关结论,在此基础上,我们可以定义一个随机概率测度dΦn(τ)=Kn(τ)dτ,Φn(τ)弱收敛于Φ,进一步可得到强测度序列Ψn(.)=EΦn(.),则{Ψn}弱收敛于Ψ=EΦ.     

随机递归结构的重分形分解

设μ为支撑于随机递归结构K上的无穷乘积测度，K（ω）≠φ。本文研究K关于测度μ的重分形分解，并讨论了谱维f（α）的性质。     

拟相似集的Hausdorff测度的特征

Siegfried GRAF在文献［1］中给出了自相似集上的Hausdorff测度(简称H-测度)的特征.John McLaughlin在文献［2］中引入了拟相似集的概念,K.J.Falconer又在文献［3］中讨论了拟相似集上H-测度和维数的性质.本文研究拟相似集上的H-测度的特征,并得出在一定条件下支撑于其上满足一定条件的测度与H-测度的等价性条件.     

具有有限记忆的随机分形的重分形分解

Dryakhlov和Tempelman对具有有限记忆的随机分形集的Hausdorff维数进行了研究,本文对具有有限记忆的随机分形集K(ω)的重分形分解集Kα(ω)进行研究,得到了在一定条件下,这种随机分形集重分形分解集Kα(ω)的Hausdorff维数表达式.     

一类随机Moran集的分形维数

本文研究了随机压缩向量满足一定条件下的随机Moran集的分形维数.利用计算上盒维数的上界和分形维数之间的性质,得到Moran集各种分形维数. 并在一般情形下,给出随机Moran集的上盒维数的上界.     

长时间相依游动的分形性质

给定ε=(εi)j≥1∈{-1,+1}∞,考虑两种长时间游动和Qn(ε)=,0＜α≤1.我们得到了{Pn(ε)～bna}和{Qn(ε)～bna}的Hausdorff维数.     

关于自相似集的Hausdorff测度的一个判据及其应用

讨论了满足开集条件的自相似集。对于此类分形，用自然覆盖类估计它的Hausdorff测度只能得到一个上限，因而如何判断某一个上限就是它的Hausdorff测度的准确值是一个重要的问题。本文给出了一个判据。作为应用，统一处理了一类自相似集，得到了平面上的一个Cantor集－Cantor尘的Hausdorff测度的准确值，并重新计算了直线上的Cantor集以及一个Sierpinski地毯的Hausdorff测度。     

Cantor集随机重排的Hausdorff测度

获得了Cantor集随机重排后所得的随机集的Hausdorff测度。     

广义Moran集上概率测度的多重分形分析

本文讨论了广义Moran集K上的概率测度的多重分形性质。采用更一般地办法定义函数f(。)来刻划K上概率测度的多重分形特征。此外,还讨论了信息维数的一些性质。