紧致性
紧致性的相关文献在1986年到2022年内共计81篇,主要集中在数学、自动化技术、计算机技术、社会科学丛书、文集、连续性出版物
等领域,其中期刊论文68篇、会议论文1篇、专利文献501980篇;相关期刊64种,包括开放时代、郑州航空工业管理学院学报(社会科学版)、经济师等;
相关会议1种,包括中国运筹学会模糊信息与模糊工程分会第五届学术年会等;紧致性的相关文献由121位作者贡献,包括柳稼航、刘永利、朱锋等。
紧致性—发文量
专利文献>
论文:501980篇
占比:99.99%
总计:502049篇
紧致性
-研究学者
- 柳稼航
- 刘永利
- 朱锋
- 王一豪
- 陈铁桥
- 张乐
- 段天毅
- 胡小平
- 裴道武
- 任燕
- 刘巧圆
- 刘静
- 孙同晶
- 杨志红
- 杨振
- 杨旭
- 王三民
- 王东生
- 王刚
- 王国俊
- 王洪丽
- 王跃超
- 赵鑫
- 辛玉梅
- 郭宝峰
- 陈敬丽
- 马立新
- 马腾
- 鲁忠良
- A·埃沙尔
- B·福格尔格桑
- I·博内
- N·佩尔蒂埃
- V·巴尔代
- 何颖俞
- 冯瑞磊
- 刘岚
- 刘春辉
- 刘桂波
- 刘玉波
- 刘通
- 刘道远
- 吴亚敏
- 吴岩
- 吴洪博
- 周景新
- 周红军
- 夏大峰
- 孟培源
- 安建业
-
-
柏宏斌
-
-
摘要:
设Y_(I)(N,m,n;K)是第一类Cartan-Hartogs域,Φ是Y_(I)(N,m,n;K)上的全纯自映射,H(Y_(I)(N,m,n;K))是Y_(I)(N,m,n;K)上的全纯函数集合,u∈H(Y_(I)(N,m,n;K)).本文运用Y_(I)(N,m,n;K)上的广义华-矩阵不等式给出了Y_(I)(N,m,n;K)上的Bers型空间上的加权复合算子W_(Φ,μ)的有界性和紧致性的刻画.
-
-
陈志;
江治杰
-
-
摘要:
设D={z∈C:|z|<1}是复平面C中的开单位圆盘,(H)D是D上的解析函数集合.设Φ是D到自身的解析映射,u∈H(D).本文通过在加权Bergman空间中构造合适的测试函数,利用符号函数u和Φ刻画了加权Bergman空间到Bloch-Orlicz空间上的乘积型算子RnM uCΦ,RnCΦM u,CΦRnM u,Mu RnCΦ,MuCΦRn,CΦM u Rn的有界性和紧致性.
-
-
-
李志宏;
柴玉珍
-
-
摘要:
为了研究一类非线性耦合梁方程的初边值问题,对该方程解的存在唯一性及整体吸引子的存在性进行讨论;关于该方程解的存在唯一性,利用Galerkin方法和常微分方程理论证明该方程存在局部解,运用Sobolev空间理论并结合对局部解的一致先验估计得到该方程整体解的存在性,利用Gronwall引理得到方程整体解的唯一性;关于该方程整体吸引子的存在性,利用H?lder不等式、Young不等式证明方程有界吸收集的存在性,以克服非线性项及积分项带来的计算困难,并利用验证紧性的方法证明该方程解半群的紧致性.结果表明,该方程在解存在的情况下,存在整体吸引子.
-
-
刘永利;
郭呈怡;
刘静;
吴岩
-
-
摘要:
多视图模糊聚类综合了数据的不同表示,虽然能够产生更全面、宏观的聚类结果,但是容易受到噪声干扰.为了提高抵抗噪声的能力,提出了一种多视图模糊聚类算法.该算法同时继承了多视图聚类和模糊紧致性分离性聚类算法的优点,能够根据不同视图的重要性协同聚类,同时增强算法的鲁棒性.为了验证算法的有效性,选取4个多视图数据集进行了实验.实验结果表明,该算法不仅能够获得较高的聚类准确率,而且能有效地降低噪声数据对聚类结果的影响.
-
-
邓云辉
-
-
摘要:
设Bn={z∈Cn:z<1}是n维复平面Cn中的开单位球,H(Bn)是Bn上的全纯函数集合.设u∈H(Bn),m∈N.本文通过在加权Bergman-Orlicz空间中构造合适的测试函数,利用符号函数u刻画了加权Bergman-Orlicz空间到有界型空间上的加权迭代径向算子Rmu的有界性和紧致性.
-
-
龙彦辰;
沈海斌;
鲁中海
-
-
摘要:
在资源共享的通信媒介中,例如总线、交叉矩阵、网络,聚合模型的应用十分普遍.经由聚合节点发送的数据包的延迟上界可以通过网络演算理论得到,然而对于这种延迟上界紧致性的研究一直以来都是开放性问题.本文基于网络演算理论,讨论了单节点、多节点聚合模型的分析方法,包括两种到达曲线模型、两种等价服务曲线分析方法.同时以实验手段对延迟上界的紧致性进行了经验性的评估.最后作为结论,本文归纳了各种分析模型的质量,总结了各个参数是如何影响延迟上界的紧致性的.
-
-
刘永利;
段天毅;
杨立身
-
-
摘要:
In order to implement clustering on feature dimension as well as data object dimension and improve clustering accuracy,a fuzzy compactness and separation co-clustering algorithm(FCSCC)is proposed based on the fuzzy compactness and separation algorithm (FCS).In FCSCC,feature membership and entropy maximization is added into FCS.It can simultaneously group data objects and features.In order to evaluate clustering effectiveness,experiments were carried out on five datasets to compare the FCSCC with other three clustering algorithms.The experimental results show that the FCSCC algorithm is better than these three methods in terms of accuracy.%为了同时对数据对象和特征进行聚类分析以提高聚类准确率,在模糊紧致性和分离性算法(fuzzy compactness and separation,FCS)基础上,提出一种结合类内紧致性和类间分离性的模糊联合聚类算法(fuzzy compactness and separation co-clustering,FCSCC).该算法在FCS的基础上增加了对特征维度的隶属度关系与熵最大化原理,能够在数据对象和特征2个维度上同时聚类.为验证该算法的有效性,另选择了3种算法在5个数据集上进行了对比实验,结果表明,FCSCC算法的聚类准确率高于其他3种算法.
-
-