压缩映射

摘要： 本文中,我们研究了一类带有非瞬时脉冲的分数阶迭代微分方程边值问题,运用Schauder不动点定理证明了解的存在性结果,利用压缩映射原理证明了解的唯一性。

摘要： 在完备的度量空间中,讨论了一类新型的非线性压缩映射ρ(Tx,Ty)≤a(ρ(x,y))ρ(x,Tx)+b(ρ(x,y))ρ(y,Ty)+c(ρ(x,y))ρ(x,y)通过构造迭代序列,指出该映射的不动点的存在性和唯一性,并给出相应的误差估计式,拓展和改进了有关文献的范围.

摘要： 应用算子半群理论和Krasnoselskii不动点定理,在非线性函数满足增长条件及中立型函数满足条件的情形下,研究了中立型变时刻脉冲发展方程mild解的存在性与唯一性.

摘要： 利用压缩映射原理,得到里卡提方程一个正周期解的存在性;利用变量变换方法,将里卡提方程转化为伯努利方程.根据伯努利方程的周期解和变量变换,得到里卡提方程的另一个周期解.并讨论了两个正周期解的稳定性,一个周期解在某个区间上是吸引的,另一个周期解在R上是不稳定的.

摘要： 在完备的Sb-度量空间中,利用迭代方法,研究了弱压缩条件下2个相容映射的不动点收敛性问题,证明了几个公共不动点的存在唯一性定理.结果推广了相关文献的结论,改进了证明方法.

摘要： 本文简单地研究了压缩映射原理在实际中的应用,由于不动点原理在不同的条件下有不同的形式,因此本文选取满足压缩映射条件的Banach压缩映射原理来探讨不动点,利用数学软件来求解不动点的近似值。基于此本文研究了Banach压缩映射原理,在此原理的基础上给出计算不动点近似解的Picard逐步迭代算法,并探析了压缩映射原理的具体实际应用。

摘要： 建立一类具有个体年龄等级结构的两种群互惠系统模型,确立其适定性.在一组合理的假设下,运用特征线法和压缩映像原理证明了模型解的存在唯一性、非负有界性,以及解对初始分布的连续依赖性,为探索系统演化和控制问题奠定基础.

摘要： 针对BP算法缺陷中的收敛速度慢和易陷入局部最小值的问题,在改善神经网络算法的快速问题和稳定问题中,研究现有改进的BP算法仍然存在一定得不完善性,论文BP算法融入遗传算法的优势,改进出压缩映射遗传与BP神经网络相优势结合的算法.由于改进后的BP算法融入压缩映射原理,可以帮助解决算法的使用的过程中出现的收敛速度缓慢,和算法在使用过程中容易陷入局部极小值等问题.改进后的BP算法会将BP网络结构的收敛速度增强,会弥补BP神经网络传统上的缺陷.改进后的BP算法与传统的BP算法相比,使用过程中的训练步数减少,训练时间节省.并通过数据实验验证,将改进的算法应用到实践中具有一定得可行性.

摘要： 压缩映射原理是现代数学中的一个重要原理,其应用非常广泛,基于该原理,提出了一种迭代式加速度计标定方法,证明了其收敛性,以此为例展示了压缩映射原理在惯导系统中的应用.分析表明,在惯导系统其它标定项目、导航算法的收敛性证明以及误差估计等方面,只要是涉及到不动点的证明及求解,压缩映射原理都有其应用价值.

摘要： 证明关于直觉模糊度量空间中压缩映射的一个不动点定理.同时,还得到满足一定压缩条件的不同映射的一个共同不动点定理.

摘要： 本文在K-距离空间中讨论了一类压缩型映射的不动点的存在唯一性问题,得到了几个新的不动点定理,推广了已知的结果.

摘要： 分形理论是研究非线性科学中不规则图形的强有力的工具，而迭代函数系统理论是研究不规则图形的一把钥匙.本文首先讨论了迭代函数系统理论及其一些重要拓展，然后着重介绍了它们在生成分形图形方面和分形图像压缩方面的一些重要应用.

摘要： 分形理论是研究非线性科学中不规则图形的强有力的工具，而迭代函数系统理论是研究不规则图形的一把钥匙.本文首先讨论了迭代函数系统理论及其一些重要拓展，然后着重介绍了它们在生成分形图形方面和分形图像压缩方面的一些重要应用.

摘要： 分形理论是研究非线性科学中不规则图形的强有力的工具，而迭代函数系统理论是研究不规则图形的一把钥匙.本文首先讨论了迭代函数系统理论及其一些重要拓展，然后着重介绍了它们在生成分形图形方面和分形图像压缩方面的一些重要应用.

摘要： 分形理论是研究非线性科学中不规则图形的强有力的工具，而迭代函数系统理论是研究不规则图形的一把钥匙.本文首先讨论了迭代函数系统理论及其一些重要拓展，然后着重介绍了它们在生成分形图形方面和分形图像压缩方面的一些重要应用.

摘要： 分形理论是研究非线性科学中不规则图形的强有力的工具，而迭代函数系统理论是研究不规则图形的一把钥匙.本文首先讨论了迭代函数系统理论及其一些重要拓展，然后着重介绍了它们在生成分形图形方面和分形图像压缩方面的一些重要应用.

摘要： 分形理论是研究非线性科学中不规则图形的强有力的工具，而迭代函数系统理论是研究不规则图形的一把钥匙.本文首先讨论了迭代函数系统理论及其一些重要拓展，然后着重介绍了它们在生成分形图形方面和分形图像压缩方面的一些重要应用.

摘要： 讨论了具有每层调制映射的码字传输中的经压缩调制反馈。在所提议的压缩方案中，反馈的比特数是通过排除每层调制阶数的允许组合中的一些组合来被压缩的。

摘要： 本发明公开了一种用于IP与MAC地址映射表的压缩存储及快速查找系统及方法，该系统中：寄存器组，用于存放大概率IP字段和对应的生命周期倒计时器；设置多个寄存器组，并对寄存器组进行依次编号，用寄存器组的对应编号来表示其对应的大概率IP字段；存储单元阵列，用于存放数据块组成的阵列，阵列的行数为2的“寻址位宽”次幂，寻址位宽即寻址字段的位宽度；列数为允许冲突点的个数，允许冲突点为具有相同寻址字段，但大概率IP字段或其它字段相异的IP地址；数据块的数据结构为：其它字段、MAC地址、寄存器组对应的编号、该数据块对应的生命周期倒计时器。本发明基于硬件实现，减少CPU的负荷，提高存储查找的效率，能减少存储单元的大小，实现快速查询。

摘要： 基于全局动态范围压缩与局部亮度估计的色阶映射方法，它属于图像处理技术领域。本发明解决了传统色阶映射算法所重建出的LDR图像的质量差的问题。本发明首先将HDR图像全体像素划分为三类像素集合；其次对第一类像素进行全局动态范围压缩；再次对第二类像素进行局部亮度估计；从次对第三类像素进行局部亮度估计；最后将全部像素的亮度进行归一化从而得到色阶映射后的LDR图像。实验结果表明：通过本发明设计的算法重建出的LDR图像整体明暗分配合理，适于人眼观察且图像局部细节较为丰富，有效提高了重建出的LDR图像的质量。本发明方法可以应用于提高重建出的LDR图像的质量。

摘要： 本文公开了用于压缩音频数据的系统、方法和软件。在一实现中，音频信号的采样值具有动态范围。动态范围到至少一个较低范围和一个较高范围的划分是基于采样值的较低部分到定量值集合中的具有小于采样值的深度的深度的定量值子集的固定映射来被标识的。然后，采样值的较高部分到该定量值集合中的剩余定量值子集的自适应映射还至少基于较高范围的大小来被标识。固定映射用于对采样值的较低部分进行编码，而自适应映射用于基于自适应映射对采样值的较高部分进行编码。

摘要： 本申请公开了一种映射表压缩方法、系统、存储器控制器、固态硬盘及数据读取方法。该映射表压缩方法包括：按照连续的编程顺序存储多个数据，将数据的逻辑地址与物理地址之间的映射关系及连续编程的计数值写入单个映射表单元；以及建立第一数组，并根据第一数组更新第二数组，其中，第二数组表征各个数据的编程顺序与数据在字线中的相对地址之间的关系，相对地址与物理地址相关联。该映射表压缩方法可以把数据的编程顺序与物理地址统一，从而编程顺序连续的所有数据只需使用一个映射表单元，提高了映射表的压缩率。

摘要： 本公开内容的某些方面提供用于利用时域(TD)压缩进行信道状态信息(CSI)报告的技术。可以由用户设备(UE)执行的方法包括：从基站(BS)接收一个或多个CSI‑RS。UE对一个或多个CSI‑RS进行测量。UE确定用于将CSI反馈放置在一个或多个CSI报告中的映射顺序，并且基于测量来向BS发送一个或多个CSI报告，一个或多个CSI报告提供TD压缩的CSI反馈，TD压缩的CSI反馈至少包括与用于TD压缩的TD基相关联的线性组合系数。

摘要： 基于全局动态范围压缩与局部亮度估计的色阶映射方法，它属于图像处理技术领域。本发明解决了传统色阶映射算法所重建出的LDR图像的质量差的问题。本发明首先将HDR图像全体像素划分为三类像素集合；其次对第一类像素进行全局动态范围压缩；再次对第二类像素进行局部亮度估计；从次对第三类像素进行局部亮度估计；最后将全部像素的亮度进行归一化从而得到色阶映射后的LDR图像。实验结果表明：通过本发明设计的算法重建出的LDR图像整体明暗分配合理，适于人眼观察且图像局部细节较为丰富，有效提高了重建出的LDR图像的质量。本发明方法可以应用于提高重建出的LDR图像的质量。

摘要： 本发明提供了一种基于聚类压缩的网络流空间映射表征方法、装置和存储介质，所述方法包括：训练样本获取步骤，用于获取不同网络空间行为类别训练样本形成样本集；对训练样本集中各行为类别的训练样本进行聚类；将样本空间中的子类别样本数据输入至基于类间间距最大化以及类内间距最小化原则创建的多层映射网络模型，从模型的第一层开始逐层计算并更新包括扩张因子和压缩因子在内的模型参数，并基于更新的模型参数生成用于在测试阶段计算压缩因子权重并对结果进行加权的筛选器；测试样本获取步骤；测试步骤，将得到的样本集合输入至经训练阶段训练后的多层映射网络模型，输出空间映射矩阵。

摘要： 本发明属于图像处理技术领域，具体为一种基于可逆色调映射网络的传统图像压缩算法增强方法。本发明以可逆深度神经网络结构为主体，在编码阶段将图像映射到线性空间，降低像素占用比特，在解码阶段建立鲁棒的色调映射还原；采用基于窗口自注意力的滤波模块在编解码阶段对映射图像抑制或增强，从而减轻量化丢失信息带来的影响。本发明是一种自动的传统算法增强方法，能够有效将深度学习方法的模式迁移到传统算法上。实验结果表明，本发明可以在未针对特定传统算法训练的前提下，提升其在非原设计目标的其它指标上的性能表现。

摘要： 提供了一种用于块压缩纹理的超分辨率的方法。该方法包括接收具有第一块尺寸的第一纹理块。基于对接收到的第一纹理块应用第一块压缩(BC)方案，在经压缩的域中生成编码纹理值。另外，对生成的编码纹理值应用第一机器学习模型以在经压缩的域中生成超分辨率编码纹理值。处理生成的超分辨率编码纹理值以生成具有第二块尺寸的第二纹理块。第二块尺寸大于第一块尺寸。