一般化假言推理的一种新方法

一般化假言推理是模糊逻辑中一个重要的推理规则。至今仍没有一个十分有效的一般化假言推理方法。本文在文「１」工作的基础上，通过“加权”的方式提出了一种新的ＧＭＰ方法，其目的是为了建立一种内部机制更为合理的推理模式。     

广义H-矩阵的若干性质

在已有的广义Z-矩阵及广义M-矩阵理论的基础上,通过定义竖块矩阵的比较矩阵,继续给出了广义H-矩阵的定义。从该矩阵与广义Z-矩阵及广义M-矩阵的关系、对角占优、特征值等不同角度分析了广义H-矩阵的若干性质,给出了判别广义H-矩阵的几个充分必要条件。研究广义H-矩阵,对于M-矩阵、H-矩阵及稳定性的研究有着促进作用,为更好的求解广义线性互补问题奠定理论基础,同时,应用于其他相关领域,如均衡论、投入产出等。     

解变分不等式的广义拟牛顿法

变分不等式问题(记为VIP(X, F))就是求一个x ∈ X Rⁿ , 使得F(x)^T(y -x)≥0 , y ∈ X Rⁿ 。将VIP(X, F)转化为混合非线性互补问题, 提出了一种解变分不等式的拟牛顿法。若ω^＊是VIP(X, F)的解, H_＊⁰={ h(x ＊), gi(x ^＊);i ∈ B(x ^＊)}列满秩, Q(ω^＊)+H^＊H^＊T 是正定矩阵, T_i(ω), i =1 , 2 , 4 连续可微, T^′_i(ω), i=1, 2, 4 在点ω^＊的邻域N(ω^＊ , δ)内满足李普希兹条件, 那么由算法确定的序列{ω^k}Q-二次收敛到VIP(X , F)的解ω^＊ 。并在没有严格互补松弛性条件下证明了Q-超线性收敛     

再谈广义Z-矩阵及广义M-矩阵的若干性质

给出了广义线性互补问题中常用到的广义Z-矩阵及广义M矩阵的若干性质。这些性质主要遗传于通常意义下的Z-矩阵及M-矩阵的性质。根据矩阵论的有关知识,已经知道Z-矩阵及M-矩阵有很多良好的性质,尤其是M-矩阵的等价命题已经研究出几十种。从这些性质中受到启发,得到了广义Z-矩阵及广义M-矩阵与其类似的若干结论,这将为更好的求解广义线性互补问题奠定基础。同时,也会给其他相关领域得到应用,如偏微分方程的有限差分法和有限元素法、经济学中的投入产出、概率统计中的Markov过程等。     

广义函数的赋值

本文用广义函数的调和表示［1］，对广义函数的D赋值给出了求值方法。又用连续函数基本列［2］，对广义函数再次赋值。     

土壤属性空间预测的广义回归神经网络方法研究

土壤属性的空间变异性是农业和环保决策的重要依据,研究如何利用有限的样本数据来获得更为详尽的土壤属性空间分布信息对于科学决策具有重要意义。提出了一种基于广义回归神经网络模型(GRNN)的土壤属性空间预测方法,并将其与Kriging方法进行了比较。结果表明,GRNN方法能较好地刻画土壤属性的空间分布特征,其计算方法简单,预测精度较高;在给定的样本数据条件下,GRNN方法的预测精度总体上要优于Kriging方法,表明GRNN方法在土壤属性空间预测中的应用是有效可行的。     

求解常微分方程的广义线性多步法校正公式

本文对求解常微分方程的广义性多步法应用校正技术，得到了广义一步法和广义二步法校正公式，并对广义二步法公式和广义二步法校正公式进行了数值计算比较，结果表明，二者具有相同的精度，但后者的计算量减少。     

广义Z-矩阵及M-矩阵的几个性质

给出了广义线性互补问题中常用到的广义Z-矩阵及M-矩阵的几个性质。这些性质类似于通常意义下的Z-矩阵及M-矩阵的性质。矩阵A∈R~(n×n)为一个Z-矩阵的充分必要条件是对于某矩阵P∈R~(n×n),P≥0,以及某实数a∈R,使得A=aE-P;A∈R~(n×n)为一个M-矩阵当且仅当A同时为Z-矩阵和P-矩阵;若A是一个Z-矩阵,A是一个具有正对角元的对角矩阵,则M=AA仍是一个Z-矩阵。两个Z-矩阵的和是一个Z-矩阵。对于类(m_1,…,m_n)的竖块矩阵N∈R~(m_0×n),先给出了N的代表子阵的定义,然后得到了广义Z-矩阵及M-矩阵与它们类似的几个性质及其几个等价性结论。这为更好的解广义线性互补问题奠定了一定的基础。     

F展开法综述和两个广义KdV方程的孤立波解

对求解非线性方程的F展开法进行了综合论述,揭示了方法的内在本质,指出了F展开法可能的发展方向,并结合F展开法的最新进展,给出了求解具有高次非线性项的非线性偏微分方程的一个辅助常微分方程作为说明的例子,用其得到了两个具有高次非线性项的广义KdV方程的孤立波解。与已有文献相比较,这种方法更简练,结果更具有一般性.对于类似的方程同样可以用此方法求其解。     

广义Groetzsch环函数的若干性质

设0〈a，r〈1，r＇=√（1-r^2）,Ka（r），Ea（r）分别为第一类和第二类广义椭圆积分，定义广义Groetzsch环函数为胁, μa（r）={π/[2sin（πa）]}K＇a（r）/Ka（r）,μa（r）出现于广义Ramanuian模方程。文章揭示了μa（r）和广义椭圆积分的若干诸如单调性、凹凸性等性质，这些结果将有助于对广义Ramanuian模方程的研究。     

广义正定矩阵行列式的一个不等式

正定矩阵的Ｈａｄａｍａｒｄ定量是矩阵行式伏保的一个重要定量。对该定量的扩部，提出了广义正定矩阵行列式的一个不等式。     

抑制经验模分解边缘效应的极值点对称延拓法

经验模分解(Em p iricalM ode D ecom position,EMD)是希尔伯特-黄变换(HHT)的核心,而经验模分解方法的关键是对提取固有模式函数(Intrinsic m ode function,IM F)时所谓边缘效应问题的处理。提出了极值点对称延拓方法,用来对边缘效应问题进行处理。算例分析结果表明该方法的算法简单,计算速度快,能有效地抑制EMD分解时的边缘效应,分解得到的固有模式函数完备地体现了原信号真实的频率和幅值信息。在信号重构时不会带来原始信号的畸变。     

环的广义优越扩张

设环Ｓ是Ｒ的广义优越扩张，讨论了Ｒ的性质对Ｓ的影响及Ｓ的性质对Ｒ的影响。     

关于乘积矩阵的广义逆

本文仅考虑复数域 C 上 m×n 矩阵 A∈C~(m×n)的广义逆 A~( ),得到了关于等式(A_1A_2)~ =A_2~ A_1~ 成立的一些充分条件。     

广义P_0-矩阵及P-矩阵的几个性质

给出了广义线性互补问题中常用到的广义P0矩阵(P矩阵)的几个性质。这些性质类似于通常的半正定矩阵及正定矩阵的性质。矩阵A∈Rn×n为一个半正定(正定)矩阵时,其对角元素是非负(正)的;具有正对角元素的对角矩阵与一个半正定矩阵(正定)的乘积仍为半正定(正定)矩阵;A∈Rn×n为一个P0(P)矩阵的充分必要条件是对任X∈Rn,X≠0,总存在X的某个分量Xi≠0,有Xi(AX)i≥0(>0);若A∈Rn×n是一个半正定矩阵,E为n阶单位矩,则存在某个t>0,使A+tE为一个正定矩阵;而两个半正定(正定)矩阵之和仍为半正定(正定)矩阵。对于类(m1,…,mn)的竖块矩阵N∈Rm0×n,先给出了N的代表子阵的定义,然后得到了广义P0(P)矩阵与它们类似的几个性质。这些性质为更好地解决广义线性互补问题奠定了一定的基础。     

广义半正定矩阵及矩阵方程AX=B的反问题

矩阵A（未必对称）称为广义复半正定的，如果对任意非零的n维行向量x，有正对角矩阵，使得．给出了一个分块n×n矩阵为广义复半正定的充要条件，同时还给出了矩阵方程AX＝B的反问题在广义复正定阵类中解的一般形式。     

广义铰接板法分析弯桥

本文基于铰接板法原理,考虑各曲板梁的弯扭耦合效应及其跨长的横桥向变化,导出弯板桥荷载横向分布的简化分析公式。其计算值与模型桥加载试验结果相符较佳。     

一类奇异积分算子的广义逆及其证明

根据开口弧段上奇异积分方程解在端点处的不同要求,选取合适的权函数并构造一类Banach空间及奇异积分算子.讨论了该奇异积分算子的广义逆,为后续开口弧段上奇异积分方程的逼近解法求解提供了基础.     

利用广义旁瓣相消模型的多个窄带干扰盲抑制

针对宽带通信系统中存在多个窄带干扰以及干扰带宽相对较宽的问题,提出一种利用广义旁瓣相消模型的自适应盲干扰抑制方法。通过将期望信号检测器分解为约束项和非约束项,其中非约束项为期望信号特征波形,而约束项为期望信号特征波形正交空间列向量的线性组合,使得其对期望信号特征波形的响应始终为1,在最小输出能量准则下,仅自适应调整约束项的线性组合系数,达到检测到信号的同时抑制干扰的目的。理论和仿真结果表明该算法对干扰信号模型不敏感。     

广义Fibonacci数列与矩阵的秩

主要研究了广义Fibonacci数列的性质。运用递推关系,证得广义Fibonacei数列的几个性质,进而得到由连续m×r个广义Fibonacci数的k次方所组成的m行r列矩阵Dm×r^k．当m,r≥5时,矩阵Dm×r^4的秩为5．