联树模型在亏格等式证明中的应用

应用联树模型,把图浸入平面,获得这个图的关联曲面,从而获得这个图的嵌入曲面的亏格.应用这个方法,我们证明了2个著名的亏格等式.第1如果e是图G的一条割边,G-e有2个分支G1,G2,那么,g(G1) g(G2)=g(G).其中g(G)表示图G的亏格.第2用H*vK表示图H与K在点v处的结合,即V(H)∩V(K)=v,E(H)∩E(K)=φ.γ(G)表示图G的最小可定向亏格.那么,γ(H*vK)=γ(H) γ(K).     

Lbaa(D)空间的内插性质

研究了一类由Bergman空间Lpa(D)构成的Ba空间的内插性质,给出了Lbaa(D)空间的三个内插定理.     

紧带边流形的整齐嵌入和内浸

本文研究了n维紧带边流形到圆盘D^n+k的整齐嵌入和内浸问题^1-6。给出了在亚稳定范围内整齐嵌入和内浸的充分性条件及整齐嵌入的整齐同痕类集合和内浸正则同伦类集合的表示形式。     

基于BEMD、DCT和SVD的混合图像水印算法

水印的不可见性和算法的鲁棒性是图像版权保护领域关注的重要问题，然而大多数算法不能很好地平衡二者的关系。为此，提出了一种基于二维经验模态分解（BEMD）、离散余弦变换（DCT）和奇异值分解（SVD）的不可见性高、鲁棒性强的混合图像水印算法。首先，对水印图像采用Arnold置乱，增强算法的安全性，并对置乱后的水印图像进行二维DCT。然后，对宿主图像进行BEMD，得到有限个尺度不同的内蕴模态函数（IMF）及余量，选择与宿主图像相关性较低的IMF执行二维DCT，根据水印的大小对其进行不重叠分块，分别对每个分块图像以及经DCT的水印图像执行SVD。最后，根据自适应最优嵌入准则确定水印嵌入强度，并将水印嵌入每个分块，以增强算法的容错性。大量实验以及与现有算法的对比表明，所提算法不仅具有抵抗大尺度攻击的鲁棒性，而且具有较高的不可见性。     

嵌入原子势的分子动力学并行算法研究

针对嵌入原子势,提出了1种新的并行分子动力学算法--作用力分解算法.并与另外2种并行算法进行了比较.作用力分解算法并行代码编写简单,不要求模拟区域具有规则形状.而测试并行后的速度表明,当计算的原子数目小于104数量级时,它是最佳的并行算法.     

高效选取线性独立的原子特征构建精确机器学习势函数

机器学习势由于具有与第一性原理计算相当的准确性,且低得多的计算成本,在原子模拟中极具前景. 然而原子机器学习势的可靠性、速度和可迁移性在很大程度上取决于原子构型的表示. 适当地选取用作机器学习程序输入的描述符是一个成功的机器学习表示的关键. 本文发展了一种简单有效的方法,可以基于训练数据固有的相关性,从大量待选的描述符中自动选取一组最佳的线性独立原子特征. 通过对几个具有较少冗余线性独立嵌入密度描述符的基准分子构建嵌入原子神经网络势的应用,证明了这种新方法的有效性和准确性. 该算法可以大大简化原子特征的初始选取,并极大地提高原子机器学习势的性能.     

基于EEF准则的认知无线电合作频谱感知

频谱感知是认知无线电的一个重要组成部分.提出了一种基于指数嵌入族(exponentially embedded family,EEF)准则的合作频谱感知算法.与传统方式下所有合作用户皆参加检测的方法不同,提出的算法依靠用户选择机制,并且不需要知晓授权用户信号的任何先验信息.该算法先对参与合作频谱感知的认知用户进行筛选,然后在筛选出的最优用户频谱观测数据的基础上生成全局检测统计量(global decision statistic,GTS),最后对授权用户是否存在做出全局判决.仿真表明,在虚警概率保持不变的情况下,进行最优用户选择(optimal user selection,OUS)的合作频谱感知算法的检测概率优于未进行最优用户选择的算法.     

s-半嵌入子群对有限群构造的影响

群G的一个子群H称为s-半置换的,如果H与G的任意Sylow p-子群均可置换,其中(p,|H|)=1。称群G的一个子群H为s-半嵌入的,如果存在G的一个s-置换子群T满足HT在G中是s-置换的,并且H∩T≤Hss G,其中Hss G是包含在H中的G的一个s-半置换子群。本文研究了s-半嵌入子群对有限群结构的影响。     

有限群的几乎τ-嵌入子群

群G的一个子群H称为G的几乎τ-嵌入子群,如果G有一个s-拟正规子群T使得HT在G中s-拟正规且H∩T≤HτG,其中HτG是所有含于H的G的τ-拟正规子群生成的子群.通过研究有限群G的Sylowp-子群(p是|G|的一个素因子)的极大子群的几乎τ-嵌入性,得到群G的p-超可解性.同时,又通过研究有限群G的极小子群的几乎τ-嵌入性,得到群G的p-幂零性.