随机变量的统计收敛性

将FRIDYJA关于实数序列的统计收敛的概念推广到了随机变量序列上，并给出了a．s．收敛，依概率收敛，依分布收敛相对应的统计收敛的定义，给出了统计a．s．收敛、统计依概率收敛的充要条件或充分条件.     

局部凸空间中一类迭代序列的收敛性

本文利用实Hausdorff局部凸空间在拓扑半域R~△上的可赋范性,讨论这种空间中的一类迭代序列的强、弱收敛的条件。     

τ-拟连续偏序集的网式刻画

利用cut算子,在偏序集上引入网的拟下极限收敛概念,讨论了它的一些性质,特别地,对任意包含于σ₂-拓扑的序相容拓扑τ,证明了：(1)一个偏序集P是τ-拟连续的当且仅当GS-收敛关于拓扑τ是拓扑的;(2)一个交τ-连续偏序集P是τ-拟连续的当且仅当拟下极限收敛关于拓扑τ∨ω(P)是拓扑的。     

规范加权窗口Fourier变换

采用传统的窗口Fourier变换的加窗方法,对L2(R)空间中的加权Fourier变换进行加窗,通过图示的方法说明构造的规范加权窗口Fourier变换的实质足把一个信号划分成许多小的时间间隔,用加权Fourier变换分析每个时间间隔,并推出了此规范加权窗口Fourier变换在算子弱收敛与强收敛意义下的重构公式.     

不精确分式规划的一种有效算法

对于不精确分式规划,给出一个具有简单形式的等价规划以及一个参数规划．提出有关它们之间联系的一些基本理论,构造了通过求解参数规划来求解不精确规划的一簇算法．在一定的假设下,该簇算法的收敛速度至少是线性的．通过每次迭代中适当的选择参数可以得到具有全局收敛性的超线性算法,并且该簇算法在每次迭代时参数的取法有很大的灵活性,从而在求解时允许有较大的误差而无损于相应的收敛速度．     

LAPLACE-STIELTJES变换所定义的解析函数的下级

对于Ｌａｐｌａｃｅ－Ｓｔｉｅｌｔｊｅｓ变换所定义的整函数或在半平面内解析的函数，分别定义了下级，适当引进序列０≤λｎ↑＋∞，建立该变换的最大模与“最大项”之间的关系，并由这些关系推导了两类下级的充分必要条件     

关于二阶微分方程扰动理论一文的注记

本文讨论微分方程ｙ″＋Ａ（ｚ）ｙ＝０解的复振荡，得到４个定理．推广了Ｉ．Ｌａｉｎｅ［１］的两个定理     

Adams定理的一个注记

对于R”中某函数甲及一类权函数。,当f ELpucR")时,定义R"+‘中的函数f(x,t>= f},}(x,i) (x}R`,t<0>.本文研究了fc}}t}的角形极限(定理i)及在L}p(R")中的收敛问题(定理2),推广了〔ii中相应的结果.     

相依随机变量不变原理的收敛速度的注

在本文中,我们讨论了相依随机变量的弱不变原理的收敛速度,改进了Utev(1984)等人的结果,那里平稳性的假设被去掉了且减弱了?混合的速度为叫n)=U(n-"yea/vm-ay (OGE< 3).     

一类二阶非齐次微分方程解的零点

研究方程f″+A(z)f′+B(z)f=F解的零点,其中A(z),B(z)(≠0),F(z)(≠0)是整函数,得到了方程解的不同零点收敛指数、二级不同零点收敛指数等的精确估计,改进了G.Gundersen、Ki-Ho Kwon、陈宗煊、Benharrat Beladi及作者的结果.更多还原     

并行计算多项式全部零点的一个高速圆盘迭代

本文受〔7〕和〔3〕的启发,得到了一个渐近效率与〔3〕相当的同时求多项式所有根的并行圆盘迭代法,并建立了条件较〔3〕为弱的收敛性定理.该算法毋需计算多项式的导数,所以在某种特定条件下,渐近效率较高.     

一个并行计算多项式全部零点的圆盘迭代法

运用加速技巧,提出了求解复多项式全部零点的圆盘算术法,考虑了其收敛定理和收敛条件,使收敛价提高到7阶,而计算工作量增加不多.     

并行迭代的高阶加速方法

从4阶收敛的并行迭代公式出发,利用并行加速技巧构造了一个5阶收敛的并行迭代算法,并进行了收敛性分析,通过数值实验验证了算法的高速收敛性.     

避免导映照求逆的变形Newton迭代的收敛性和误差估计

主要证明了Banach空间中避免导映照求逆的变形Newton迭代在统一判定条件下的收敛性,并给出它和Newton迭代的误差估计,最后给出了两个积分方程算例。     

扰动因素影响下对修正的OS-EM算法的收敛分析

在扰动因素影响下, 通过引入松弛参数对Ordered-Subsets Expectation-Maximization (OS- EM)算法进行修正. 基于修正迭代的 收敛性, 我们通过修改相应停止规则中的参数得到了一些主要的单调性结果, 进而证明了迭代的 收敛性.     

一个并行迭代的加速法

本文运用加速技巧 ,给出了一个求复多项式零点的并行迭代法 ,该方法具有较高的收敛阶和计 算效率 .     

关于增生算子方程Ishikawa迭代法收敛率估计的注记

对严格拟压缩映射和非线性强增生算子方程的Ishikawa迭代程序的收敛性及误差估计给出一个统一的定理。我们的结果统一和改进了近期相应的结果。     

解鞍点问题的新SOR类迭代法的一个注记

最近ZHENG等提出了新的SOR类(NSOR-Like)迭代法,研究了NSOR-类迭代矩阵特征值的性质.基于NSOR类迭代法,提出了一种改进的NSOR类(INSOR-Like)迭代法,并分析了相应方法的收敛性.此改进的NSOR类(INSOR-Like)迭代法是NSOR类迭代法的推广.     

预处理的校正梯度路径信赖域算法

信赖域算法是最优化中广泛使用的一种方法．在迭代的每一步都要解信赖域子问题,在众多解子问题的方法中,校正梯度路径算法利用系统的特征值和特征向量在整个雏数空间求出子问题的解,虽然这个方法较吸引人,但现有的校正梯度路径算法不太可行,因为在每一步迭代中它要求整个特征系统的计算或者矩阵的重复分解．提出了一种预处理的校正梯度信赖域算法．该算法在一步迭代中仪通过对对称矩阵进行一次Bunch-Parlett分解就在全空间中求出子问题的解,再用单位下三角矩阵因子去标度问题的变量,预处理的校正梯度路径由此形成,算法在通常使用的条件下有好的收敛性,对各种模型的优化问题的计算结果也显示出算法的高效性．     

一个Weierstrass迭代修正法的收敛性分析

为了求解多项式方程f(z）=0，我们在Weierstrass迭代的基础上给出了一个同时求解该方程所有根的迭代法，并对其收敛性及收敛的初始条件进行了分析，得出其收敛的初始条件，它仅与迭代的初始点有关而与方程的根无关，同时还证明了在此初始条件下，该迭代是3阶收敛的。