基于Zhang-Hager线搜索的改进近似最优梯度法

提出一种改进的近似最优梯度法,求解图划分问题中的无约束目标函数.先用修正的BFGS更新公式及选取BB类步长的线性组合作为标量矩阵得到近似最优步长,再引入参数对经典的Zhang-Hager线搜索形式进行改进,构建算法框架并给出R线性收敛性证明.实验结果表明,改进算法提高了原算法的性能.

宽象限相依样本下频率插值密度估计的收敛性质

频率多边形插值估计是一种非常重要的概率密度估计方法,该估计不仅在相同计算量下比直方图估计收敛速度快,而且在计算二元数据集合比核密度估计更简单、便捷,所以对其进一步探究是有理论研究价值的。设{Xn,n≥1}为宽象限相依的随机序列,具有未知的密度函数f(x),利用宽象限相依序列的Rosenthal-型不等式和截尾的技术,在适当的条件情况下,获得了频率插值密度估计的强相合性和r阶矩相合性。

二步迭代法在中心仿射Hlder条件下的收敛性

研究了Banach空间中非线性算子方程的求解问题,在一阶Fréchet导数和二阶Fréchet导数分别满足L平均中心仿射Hlder条件和L平均Lipschitz条件下,讨论了二步迭代法的局部收敛性,得到了局部收敛性的条件,同时证明了该方法的R收敛阶至少是1+p/2+(1+p)24+p2.

L－fuzzy集网的R－收敛性质

本文在ＬＦ拓扑空间中建立了Ｌ－ｆｕｚｚｙ集网的弱收敛（Ｒ－收敛）概念，应用文［４］中的Ｒ－闭包，系统讨论了它们的性质，证明了等式ＲｌｉｍＡ＿ｎ＝∧（∨Ａ＿ｍ）＿Ｒ和ＲｌｉｍＡ＿ｎ＝Ａ＿ｎ＝∧（∨Ａ＿ｍ）＿Ｒ并且给出了Ｌ－ｆｕｚｚｙ集网与其子网之间的关系。

两两广义NQD列的r阶平均收敛性和几乎必然收敛性

本文主要研究了两两广义NQD列的r阶平均收敛性和几乎必然收敛性,获得了与两两NQD列一样的r阶平均收敛性和几乎必然收敛性及三级数定理。

回归函数加权核估计的r阶矩收敛速度

分别在完全样本和删失样本下,当误差为独立或混合序列时,获得了非参数回归函数加权核估计的r阶矩收敛速度.

函数型数据部分线性模型的估计的r阶收敛性

论文利用一种特殊的加权方法和简单的最小二重法,对稀疏和稠密的函数型数据的半参数部分线性模型提出了一种统一的估计方法,并探讨了估计的r阶收敛性。在提出的方法中,不需要区分对数据的观测是稀疏的还是稠密的。

不确定变量序列依r阶收敛的若干性质

在不确定理论中,已经给出了不确定变量序列平均收敛及均方收敛的定义。文章将其推广到更为一般的不确定变量序列依r(r>0)阶收敛(r=1时为平均收敛;r=2时为均方收敛)。提出了不确定变量序列依r(r>0)阶收敛的定义,研究了其性质,给出了不确定变量依r阶收敛的基本列的定义,并讨论其与依r阶收敛的关系。

NSD随机阵列加权和最大值的收敛性

利用负超可加相依(NSD)随机阵列的Rosenthal型矩不等式和截尾方法,在随机阵列{X nk,1≤k≤k n,n≥1}关于{a nk,1≤k≤k n,n≥1}一致可积的条件下,讨论NSD随机阵列加权和最大值max 1≤j≤k n∑j k=1 a nk X nk-E∑j k=1 a nk X nk的弱收敛、L r收敛和完全收敛性.

B-值函数Riemann-Stieltjes积分

引入数值函数关于B-值函数的R-S积分,研究了此类积分的性质及向量值R-S积分存在的几个充分条件,并给出了积分的收敛定理.

由依概率收敛推出γ阶收敛的条件

设ζn依概率收敛于ζ，众所周知，此时ζn未必r阶收敛于ζ；如果给ζn附加一些另外条件，则ζn可r阶收敛于ζ，本文证明了几个这样的定理，它们推广了有关文献中的类似定理．

随机变量序列几种收敛之间的关系

对随机变量序列的四种收敛性:a.e.收敛、依概率收敛、依分布收敛、r-阶收敛的概念及性质进行了阐述;并结合具体实例讨论了它们之间的关系.

鞅差序列下回归函数加权核估计的收敛性

研究了在删失样本下误差为鞅差序列时 ,回归函数加权核估计的r阶矩收敛性 ,完全收敛性和几乎处处收敛性 ,推广了在完全样本下误差为鞅差序列时相应的结论 ,同时还给出了r(r >1)

复值随机变量序列几种收敛性的关系

研究了复值随机变量序列的完全收敛,几乎处处收敛,r阶平均收敛,依概率收敛之间的相互关系,得到了几个有意义的结论.

Banach空间上的随机加权和的收敛性

本文讨论了在P型和P凸Banach空间上的随机加权和 ∑υni=μnXni 的r平均收敛性及依概率收敛性 ,并从给出了满足这些收敛性的充分与必要条件 .在以往的文献中讨论的随机加权多为 ∑ni=1aniXi这种形式 ,而本文给出了在更一般情况下随机加权和的收敛性 ,并对以前的一些定理作了一些适当推广 .

概率密度函数核估计的r阶平均一致强相合性

对于多维随机变量的密度函数f(X)核密度估计∫K(X?Y1nX?Xj)hnphn)dFn(Y)=nhnp∑K(在supK(X)j=1hn<∞和对于1≤r≤∞,nhnp(1+1/r)→∞(当n→∞时)等适当条件下,证明了估计量f?n(X)r阶平均收敛意义下的一致强相合性。并给出sup|f?n(X)?f(X)|阶的界为O[(loglogn)1/2n?1/2(p+1)]及其偏差的极限分布。

关于随机变量序列收敛性关系的探讨

在完备的概率空间 (Ω，， P)下，讨论了实值随机变量序列 {ξ n}的完全收敛、几乎处处收敛、 r次平均收敛、依概率收敛、依分布收敛之间的相互关系，得到若干有意义的常用结论。

不可微最优化问题的随机增量次梯度方法

在Hilbert空间中不可微最优化问题的增量次梯度方法收敛性的基础上,研究随机的增量次梯度方法,这种方法每次迭代过程中,子迭代的搜索方向是随机给出的.本文主要研究的是具有缩减步长的随机增量次梯度方法的收敛性,证明这种方法产生的迭代点列拟Fejér收敛;迭代点列所对应的函数列收敛以及迭代点列弱收敛到某种形式的最优解集.

辛钦大数定律的一个推广

本文将辛钦大数定律的条件放宽为：（ｌ）ｎｄＦ（ｘ）＝ｏ（１）（２）ｘＤｆ（ｘ）＝ｏ（１）｜Ｘ｜＞ｎ４。推广了辛铁大数定律。

向量值函数的Riemann-Stieltjes积分

引入向量值函数关于实值函数的Riemann-Stieltjes积分,给出了向量值Riemann-Stieltjes可积的充要条件,并讨论了积分的收敛定理.