概率空间上的Packing维数

设｛Ｘｎ，ｎ≥１｝是定义在概率空间（Ω，°Ｆ，μ）上的具有有限状态空间的随机过程，ＢΩ．讨论了Ｂ的填充维数的有关性质，并得到了一类与马氏链有关的子集的维数结果     

Sierpinski尘上Brown运动图的Hausdorff和填充维数

通过对Ｓｉｅｒｐｉｎｓｋｉ尘结构的分析，得到了Ｓｉｅｒｐｉｎｓｋｉ尘上Ｂｒｏｗｎ运动图的Ｈａｕｓｄｏｒｆｆ维数及填充维数     

N指标d维广义Wiener过程的图集和水平集的Hausdorff和Packing维数

研究了张润楚引进的Ｎ指标ｄ维广义Ｗｉｅｎｅｒ过程的样本轨道的分形性质，得到了图集和水平集的Ｈａｕｓｄｏｒｆｆ维数及Ｐａｃｋｉｎｇ维数．此结果包含并推广了ＢｒｏｗｎＳｈｅｅｔ的结果．     

d维平稳高斯过程的极函数及其相关维数

研究了d维平稳高斯过程样本轨道的分形性质，由Tetard的方法，得到了其极函数的特征有其相关维，此结果包含并推广了布朗运动的结果，Polya过程为其特例。     

概率空间上一类集合的分形维数

设｛X     

断裂表面的分形维数及其测量

本文介绍了作为表征断裂表面特征参数的分形维数的概念及其在非平面表面定量分析与微观断裂机制研究中的应用。具体介绍了测定断裂表面分形维数的各种实验方法,并对各种材料的实验结果和不同的观点进行了综述与讨论。     

随机环境马氏链上一类集合的分形维数

假设{Xn}是随机环境的马氏链，引入Hopf Markov链，在此基础上定义了绕积Markov链，用此方法，将正则马氏链下一类集合的分形维数的结果推广到了随机环境马氏链下一类集合，并且获得了相应的结论．     

递归 IFS维数公式的推广

在文 [1]中 , Barnsley等在关联矩阵不可约的条件下 ,得到了递归 IFS的分形维数公式 ,本文证 明 ,在去掉关联矩阵为不可约的限制条件之后 ,维数公式仍是成立的.     

概率空间上的分形维数

设｛Ｘｎ，ｎ≥１｝是定义在概率空间（Ω，Ｆ，μ）有可数状态的随机过程，给出Ｂ的盒维数定义并研究其基本性质，然后得到了集合Ｂ的维数的另一种表达式，最后计算了一类集合的分形维数     

用RBF神经网络确定上海股市的分形维数

从预测能力的角度采用径向基函数（radial basis function，简称RBF）神经网络方法计算我国上海股票市场的分形维数，并通过RBF神经网络的实验，得到上海股市的最小嵌入维数为6，验证了股市分形维数在2-3之间，从而进一步确定了我国上海股票市场是一个具有混沌现象的系统，最后探讨了利用股票市场的混沌特性进行短期预测的效果的可行性。     

分枝集的Hausdorff测度

讨论了由简单Galton-Watson分枝过程产生的分枝集的Hausdorff测度,在p_1=0时关于测度函数问题解决了Hawkes的猜想。     

统计递归集的Hausdorff测度的上、下界

给出了由随机压缩算子生成的统计递归集的Ｈａｕｓｄｏｒｆ测度上、下界的估计．也就是说,在一些条件下,找出了Ｋ（ω）∩∞ｎ＝１∪ｉ∈Ｎｎ（ω）ｆ（ω）ｎ,ｉ（Ｅ）的α－维Ｈａｕｓｄｏｒｆ测度的上、下界,其中｛ｆｎ,ｉ,１≤ｉ,ｎ＜∞｝是一族随机压缩算子,｛Ｎｎ（ω）,ｎ≥１｝是一族可数的随机指标集．     

氯化聚乙烯的无扰尺寸和氯含量的关系

由高密度聚乙烯的固相氯化法制得含氯量为３７．５％～６７．３％的一系列氯化聚乙烯试样，用ＧＰＣ－［η］联用仪测定了无扰参数Ｋθ，确定了Ｋθ和氯含量（ｘ）及测量温度的关系，它们的关系为Ｋθ＝Ｋｅｘｐ［（Ｂ＋α）Ｘ／２］ｅｘｐ［（Ａ＋β）Ｔ／２］．并从红外光谱得到的结构信息，从分子的微观状态的改变阐明Ｋθ随ｘ的变化．     

武汉地区雨强分维数随时间变化初探

对武汉大学电波综合观测站于１９９１年７月期间降雨自记纸曲线当积分时间为５ｍｉｎ时，用单变量雨强时间序列初步地研究了降雨这一大气过程中雨强分维数随时间变化特性．     

广义拟变分不等式解集的稳定性及本质连通区的存在性

在赋范线性空间下．讨论广义拟变分不等式解集的稳定性，证明了满足一定连续性和凸性条件的广义拟变分不等式问题构成的空间M中，大多数(在Baire分类意义下)广义拟变分不等式问题的解集是稳定的，并证明了M中每一个广义拟变分不等式的解集至少存在一个本质连通区。     

再探武汉地区雨强分维数随时间变化

对武汉大学电波综合观测站于１９９１年的降雨曲线进行测量，当采样时间为５ｍｉｎ时，用单变量雨强时间序列进一步研究了降雨这一大气过程中雨强分维数随时间的变化特性．结果表明，在灾害性降雨天气前后其雨强分维数仍然发生了显著性的改变．     

Toeplitz矩阵乘积的封闭性

本文建立了两个Toeplitz矩阵之积仍为Toeplitz矩阵的一个充分必要条件,由此也立即获得了循环矩阵的乘积及其逆也是循环矩阵的已知结果。