用矩阵的谱分解研究线性矩阵方程

本利用矩阵的谱分解来研究线性矩阵方程，并给出当A，B为简单矩阵(即可对角化方阵)时，方程AX-XB=C和X=AXB=C有解的充要条件及通解形式。     

随机Taylor级数

该文对一般的随机变量序列及相当弱的系数条件研究了随机级数定义的整函数的奈望里纳特征函数，并证明了它是几乎必然无有限例外值的．     

On the Decomposition of Hopf Module Coalgebra

In1969,Sweedler[1]giventhedecompositiontheoreyofcoalgebraswhicharecocommu-tative.In1975,Kaplansky[2]showedthatanycoalgebracanbeuniquelydecomposedintoadirectsumofitsindecomposablesubcoalgebras.From1978to1992,Shudo[3]andXu[4]consructuredtheindecomposabledirectsumcomponentsofacoalggebra,viadefineequivalenceralationforthesetofsimplesubcoalgebras.Asweknow,themodolecoalgebraisthennaturalgeneralizationofcoalgebra.AndittakesplayanimportentroleintheDrinfelddouble.Inthispaper,wediscussthedecompositio…     

满意正交表及其判别方法

本文提出了满意正交表的概念，并且利用正交表和投影矩阵的正交分解之间的关系给出了满意正交表的一种判别方法。     

对正项级数敛散性判别法的关系的一些探讨

先对正项级数敛生判别法的粗细与强弱问题进行了辨析，然后建立了三个有关正项级数剑散判别的命题，分别比较了三组判别法之间的强弱关系。     

互相关Nakagami衰落信道的仿真

无线通信系统实测实验已经证实Nakagami信道模型对实测数据具有很好的拟合性,因此它在理论上已经成为一类具有广泛代表意义的无线信道模型并具有重要的应用价值。整数阶(m为整数)的Nakagami信道模型仿真相对容易实现,而对分数阶(m不为整数)的互相关Nakagami信道仿真的研究较少,缺乏简单有效的方法。本文主要介绍采用信道分解合成技术产生Nakagami信道的基本原理和具体步骤,并给出了部分仿真的结果,证实了该方法的有效性。     

对合的分解

Using the notion of biconnected sum we define the biconnected sum (T₁, M₁)§(T₂,M₂) of two involutions (T1M1) and (T2,M2) which is an involution on the biconnected sum M₁,§M₂. A connected involution is said to be reducible if it can be expressed as a biconnected sum of two connected involutions.Theorem Each connected involution (T, M) can be decomposed into a bi-connected sum of connected irreducible involutions (T, M)=(T₁, M₁)§…§(T_q,M_q),and (?) where the coefficients of H_{n_1}(M) are in Z/2 Z if M is unoriented, in Z if is oriented .     

一类广义的Kdv方程的显式差分解

本文考察一类具耗散的广义KdV方程组■ (gradφ(■))_x ■_(xxx)-α■_(xx) γ■ =■(x,t,■)的周期初值问题的显式差分格式．利用有界延拓法证明了该差分格式的收敛性与稳定性,并给出了算法和数值例子．     

基于奇异值分解的特征跟踪方法

在传统的基于模板匹配的跟踪方法中，均是给定一个模板，然后从图像中各个位置取出一个个与模板大小一致的区域进行相似性度量，找出与模板距离最小的一个区域作为当前模板，以便进行下一步的匹配跟踪工作。在景象匹配和相关跟踪过程中，由于所面临的大多数是变化的场景，实时获取的图像与预存模板之间存在比较大的差异，传统相关匹配方法的应用就会受到限制；而且在跟踪过程中，随时更新模板会造成跟踪性能对扰动过分敏感，从而产生漂移。首先拍摄目标不同角度的图像（尽可能包含目标可能出现的所有情况），构成目标图像训练集合，抽取出特征矩阵，对它进行奇异值分解，构成一个关于目标的多维空间。然后再用匹配方法在全局范围搜索，找出目标的大致位置，并利用收敛方法在确定的大致位置内进行搜索，确定目标的仿射变换系数，从而得到一个目标位置的确切描述。     

符号几何规划的一种分解方法

针对符号几何规划提出了一种直接的分解方法,将难于求解的符号几何规划问题等价地转化为一个非线性程度很低的可分离规划,为寻求困难度高且规模较大的符号几何规划问题的求解提供了一种方法,特别是经此方法分解后的每个子问题均易于求解,最后给出了数值实例,验证了此方法的有效性．