ρ～混合序列的若干收敛性质

给出一类较广泛的ρ^~混合序列基本不等式,讨论了ρ^~混合序列的收敛性质,获得了几乎与独立情形完全一致的Baun和Katz定理,Marcinkiewicz强大数律,三级数定理等收敛性质。     

(φ)-混合序列的弱收敛性和完全收敛性

在本文中,作者研究了(φ)-混合序列的极限性质.得到了经典的弱收敛定理和完全收敛定理,将独立情形下的弱大数定律、Baum和Katz完全收敛性定理推广到了(φ)-混合序列,而未额外添加任何条件.     

(~φ)混合序列的完全收敛性和强收敛性

讨论了一类较广泛的混合序列的收敛性质,获得了与独立情形一样的Baum和Katz完全收敛定理,Marcinkiewicz强大数律等收敛性质.     

ρ混合序列加权和的Marcinkiewicz强大数定律

通过建立(ρ)混合序列加权和的Bernstein不等式,研究了(ρ)混合序列加权和线性统计量的Marcinkiewicz-Zygmund强大数定律,实质性的改进和推广了Z.D.Bai与P.E.Cheng的结果.最后讨论了一个实际例子,预测城市物价增长.     

混合序列强大数定律的收敛速度

本文在对混合速度没有任何限制的条件下讨论了ρ－ｍｉｘｉｎｇ序列大数定律的收敛速度问题．     

稳定分布吸引场中φ-混合随机变量序列加权和的极限性质

有关独立同分布随机变量序列加权和的强大数定律，已经有较完善的结果。近来陈平炎等人又研究了具有稳定分布的独立同分布随机变量序列的加权和的极限性质，而且得出有关φ-混合随机变量序列的重对数律。本文主要是讨论稳定分布吸引场中φ-混合序列加权和的极限性质，并给出相应的重对数律。     

φ^－混合序列的完全收敛性和强收敛性

讨论了一类较广泛的φ^-混合序列的收敛性质，获得了与独立情形一样的Baum和Katz完全收敛定理，Marcinkiewicz强大数律等收敛性质。     

混合序列的若干收敛性质

给出一类较广泛的 混合序列基本不等式 ,讨论了  混合序列的收敛性质 ,获得了几乎与独立情形完全一样的Baun和Katz定理 ,Marcinkiewicz强大数律 ,三级数定理等收敛性质     

一些相依序列的强大数律和收敛速度

本文研究了正相协序列、负相协序列、强正相依序列以及鞅差序列的强极限性质.利用负相协序列和弱鞅序列的极大值矩不等式以及随机变量的截尾方法,得到了上述相依序列的强大数定律、强收敛速度以及相应的随机变量序列上确界的可积性.本文不仅将独立情形下的强大数定律推广到以上相依序列,并且还给出了其收敛速度.     

关于两两NQD序列的强收敛性

两两NQD随机变量序列是一类常见的随机变量序列,在理论与实际中有着广泛的应用.本文的主要目的是要研究一般两两NQD随机变量序列的强收敛性.利用两两NQD随机变量序列的三级数定理及其性质,通过巧妙的截尾方法,获得了两两NQD随机变量序列的一类强极限定理,同时给出一般例子说明本文结果改进和真推广了现有文献的一系列结果.     

■-混合序列的弱收敛性和完全收敛性(英文)

在本文中,作者研究了■-混合序列的极限性质。得到了经典的弱收敛定理和完全收敛定理,将独立情形下的弱大数定律、Baum和Katz完全收敛性定理推广到了■-混合序列,而未额外添加任何条件。     

ρ-混合序列和的强大数律

对ρ-混合速度在不作任何限制的条件下，获得了Sτ=∑^τ(1-1)CτX1的强大数律，并应用于线性模型参数β的估计问题中，得出β的最小二乘估计βL的强相合性。     

Banach空间中φ-渐近非扩张型映象修改具误差的Ishikawa迭代序列收敛问题

本文引进Banach空间中φ-渐近非扩张型映象,并研究了它的修改的具误差的Ishikawa迭代序列的收敛问题,所得结果改进和发展了相关文献中的结果。     

稳定分布吸引场中ψ-混合随机变量序列加权和的极限性质

有关独立同分布随机变量序列加权和的强大数定律,已经有较完善的结果.近来陈平炎等人又研究了具有稳定分布的独立同分布随机变量序列的加权和的极限性质,而且得出有关ψ-混合随机变量序列的重对数律.本文主要是讨论稳定分布吸引场中ψ-混合序列加权和的极限性质,并给出相应的重对数律.     

基于β-混合序列的学习机器的相对一致收敛速率的界

推广性能是机器学习理论研究的主要目的之一。为了研究相依序列下采用ERM算法的学习机器的推广性能,本文基于β-混合序列建立了采用ERM算法的学习机器的经验风险到它的期望风险相对一致收敛速率的界。这个界不仅把基于独立序列下已有的结果推广到β-混合相依序列的情况,而且对β-混合相依序列现有的一些结论进行了改进。得到了β-混合相依序列下,采用ERM算法的学习机器的推广性能的界。     

■混合序列的完全收敛性和强收敛性

讨论了一类较广泛的 φ 混合序列的收敛性质 ,获得了与独立情形一样的Baum和Katz完全收敛定理 ,Marcinkiewicz强大数律等收敛性质     

稳定分布吸引场中-混合随机变量序列加权和的极限性质

有关独立同分布随机变量序列加权和的强大数定律,已经有较完善的结果。近来陈平炎等人又研究了具有稳定分布的独立同分布随机变量序列的加权和的极限性质,而且得出有关(?)-混合随机变量序列的重对数律。本文主要是讨论稳定分布吸引场中(?)-混合序列加权和的极限性质,并给出相应的重对数律。     

自然通风和混合通风潜力的预测

与机械通风相比，自然通风具有更大的舒适区。采用度时（Degree—hours）方法得出了预测自然通风和混合通风潜力的计算公式。最后，采用该方法对北京市典型气候年的自然通风和混合通风潜力进行了预测。     

模糊序列的GM(1,1)建模

本文在不改变GM(1,1)模型建模机理的前提条件下,运用模糊回归理论对GM(1,1)模型进行优化,通过定义三角模糊数的左、中、右距离,将模糊序列的GM(1,1)模型的求解转化为线性规划模型的求解,并通过实例加以论证。研究表明模糊序列的GM(1,1)模型保留了GM(1,1)模型所需建模数据少和具有预测功能的特点,且能为决策者提供一个决策区间。     

基于最优Morlet小波和自项窗的混合时频分析方法研究

提出一种基于最优Morlet小波和自项窗的混合时频分析方法。对和机械冲击信号波形相似度较高的Morlet小波进行改进,采用交叉验证法和Shannon熵方法设计了改进Morlet小波参数和小波变换尺度,对信号进行连续小波变换(CWT)以实现滤波消噪;然后,设计了自适应自项窗函数,对Wigner-Ville分布(WVD)交叉项进行移除,消除WVD交叉项的干扰。仿真和实验验证了所提出的方法可以有效地对含噪信号进行滤波消噪、并去除WVD中干扰项的影响,提高时频分析的分辨率和能量聚集性。