Dirichlet空间

摘要： 研究由单位圆盘D上的线性分式自映射Φ诱导的复合算子C_(Φ)在Dirichlet空间■上的复对称性,对由椭圆自同构Φ=Φ_(α)(λΦ_(α))(|λ|=1,λ≠1)诱导的复合算子,利用等向性向量和C_(Φ)的正规性,证明C_(Φ)不是复对称的.

摘要： 刻画了 n移位算子加带特定权的Volterra算子T1在Dirichlet空间上的相似性,利用算子理论技巧证明了T1在Dirichlet空间上的作用和乘法算子Mp在空间S(D)上的作用相似,进一步证明了当p(z)=zn时相应的算子T2有2n个约化子空间.

摘要： 函数空间上的算子理论一直是泛函分析的重要研究课题,与数学的许多领域有着密切的联系.复合算子架起了解析函数论和算子理论之间的桥梁.设Φ是解析映射,将一个解析函数f映射成f°Φ的算子CΦ称为复合算子.由于诱导函数Φ的函数性质与复合算子CΦ的算子性质之间关系紧密,因此复合算子的研究备受广大学者的青睐.首先研究了经典Dirichlet空间D上紧复合算子CΦ的性质,通过Denjoy-Wolff定理讨论了单位圆盘上的解析自映射Φ的不动点,利用Φ的不动点对紧复合算子的谱进行了计算;其次,利用计数函数nΦ(w)对D上有界复合算子的范数和本性范数进行了估计;最后,结合D上的再生核给出了有界复合算子是正规算子的等价刻画.

摘要： 函数空间上的算子理论一直是泛函分析的重要研究课题,与数学的许多领域有着密切的联系.复合算子架起了解析函数论和算子理论之间的桥梁.设Φ是解析映射,将一个解析函数f映射成f°Φ的算子CΦ称为复合算子.由于诱导函数Φ的函数性质与复合算子CΦ的算子性质之间关系紧密,因此复合算子的研究备受广大学者的青睐.首先研究了经典Dirichlet空间D上紧复合算子CΦ的性质,通过Denjoy-Wolff定理讨论了单位圆盘上的解析自映射Φ的不动点,利用Φ的不动点对紧复合算子的谱进行了计算;其次,利用计数函数nΦ(w)对D上有界复合算子的范数和本性范数进行了估计;最后,结合D上的再生核给出了有界复合算子是正规算子的等价刻画.

摘要： 函数空间上的算子理论一直是泛函分析的重要研究课题,与数学的许多领域有着密切的联系。复合算子架起了解析函数论和算子理论之间的桥梁。设Φ是解析映射,将一个解析函数f映射成f∘Φ的算子C_(Φ)称为复合算子。由于诱导函数Φ的函数性质与复合算子C_(Φ)的算子性质之间关系紧密,因此复合算子的研究备受广大学者的青睐。首先研究了经典Dirichlet空间D上紧复合算子C_(Φ)的性质,通过Denjoy-Wolff定理讨论了单位圆盘上的解析自映射Φ的不动点,利用Φ的不动点对紧复合算子的谱进行了计算;其次,利用计数函数n_(Φ)(w)对D上有界复合算子的范数和本性范数进行了估计;最后,结合D上的再生核给出了有界复合算子是正规算子的等价刻画。

摘要： 本文基千Bergman空间上H-Toeplitz算子的研究,在这篇文章中主要研究了Dirichlet空间上H-Toeplitz算子的交换性。

摘要： 对各空间上复合算子性质的研究一直备受关注,也有很多经典的结果,但对Dirichlet空间上复合算子的研究却不多,尤其是带测度权的Dirichlet空间。首先,令M和N表示复平面上两个开、连通的非空子集,称M和N为C上的域,ρ是一个从M到N的解析映射。接着定义了带测度权的Dirichlet空间Dμ,使得在该空间上的复合算子更具有一般性。M和N的带测度权Dirichlet空间分别用Dμ(M)和Dμ(N)表示。Cρ表示从Dμ(N)到Dμ(M)的复合算子,由Cρf=f°ρ定义。当ρ为非恒定解析映射时,结合Carleson测度以及再生核的定性性质证明了Cρ可逆和Cρ为Fredholm算子的充分必要条件;若ρ为解析映射,并满足?(μ-r)(ρM)=ue788,结合Carleson测度,证明了Cρ为可逆算子的充分必要条件为ρ可逆。

摘要： 对各空间上复合算子性质的研究一直备受关注,也有很多经典的结果,但对Dirichlet空间上复合算子的研究却不多,尤其是带测度权的Dirichlet空间.首先,令M和N表示复平面上两个开、连通的非空子集,称M和N为C上的域,ρ是一个从M到N的解析映射.接着定义了带测度权的Dirichlet空间Dμ,使得在该空间上的复合算子更具有一般性.M和N的带测度权Dirichlet空间分别用Dμ(M)和Dμ(N)表示.Cρ表示从Dμ(N)到Dμ(M)的复合算子,由Cρf=fρ定义.当ρ为非恒定解析映射时,结合Carleson测度以及再生核的定性性质证明了Cρ可逆和Cρ为Fredholm算子的充分必要条件;若ρ为解析映射,并满足?μ-r(ρM)=?,结合Carleson测度,证明了Cρ为可逆算子的充分必要条件为ρ可逆.

摘要： Bergman空间上的算子理论是函数空间与算子理论的重要内容。利用Volterra算子、加权复合算子、微分算子之间的关系,用一种全新的方法简捷地刻画了一般加权Bergman空间上广义Volterra算子的有界性和紧性,拓展了相关的结论。文中的方法极大地简化了经典的证明,对相关算子的研究有一定的启发。

摘要： 本发明涉及一种基于空间Dirichlet混合模型的彩色图像分割方法，所提出的统计模型基于Dirichlet混合模型，Dirichlet分布是一个多元泛化的Beta分布，对比其他分布(例如：高斯分布、)它能够包含对称与非对称模态，因此可以灵活处理各种图像以及体现出较好的分割准确率。本发明在Dirichlet混合模型中融入空间邻域特征，从而体现出较好的鲁棒性。在求解Dirichlet混合模型参数过程中，本发明采用基于变分贝叶斯推断的方法，使得模型求解更加准确高效。克服了现有技术的方法采用的最大似然估计(ML)和最大后验概率估计(MAP)存在的不足：这些方法通常容易在求解模型过程中陷入局部极小值，而且会造成迭代次数过多。

摘要： 本发明涉及一种基于Dirichlet过程的可比语料双语平行片段抽取的方法，属于机器学习翻译与自然语言处理技术领域。本发明首先需要通过双语主题模型获得双语可比语料对的主题分布，再通过泊松分布随机切分双语可比语料，然后设定一个主题阈值，通过阈值初步筛选可比语料平行片段集，最后由Dirichlet过程获得各个平行片段之间的匹配概率，再经过吉布斯抽样进一步获得最终精确的平行片段对。在相同的可比语料环境下，本发明基于Dirichlet过程的抽取方法获取平行片段对的效果更佳。

摘要： 本发明涉及一种基于截断Dirichlet过程无限Student’s t混合模型的脑部核磁共振图像分割方法，基于Dirichlet过程无限Student’s t混合模型，将无限Student’s t混合模型中的分量数假设为预设的图像的分割数K，然后利用期望最大化算法对模型进行求解，再利用贝叶斯最大后验概率准则进行图像分割。本发明所述的方法中，假设的Student’s t混合模型直接对应到脑部核磁共振图像不同的部分，而且Student’s t分布的高尾部特性决定了模型有较好的抗噪效果，从而实现脑部核磁共振图像分割。求解Dirichlet过程无限Student’s t混合模型的过程中，本发明用简单高效的期望最大化算法对基于截断Dirichlet过程无限Student’s t混合模型进行求解，使模型的求解变得更易实现。本发明的实施，能够在PC端对一幅脑部核磁共振图像快速自动地进行分割。

摘要： 本发明公开了一种基于无穷Dirichlet过程混合模型的指节识别方法，按照以下步骤进行：步骤1，在局部Markov假设的基础上，将条件随机测度的学习问题转化为随机聚类学习问题；步骤2，运用无穷Dirichlet过程混合模型描述概率密度，将聚类数量表述为随机态；步骤3，利用Gibbs采样方法，对分层概率形式的密度结构进行迭代学习；步骤4，基于Dirichlet过程混合模型的坍塌Gibbs采样算法DPMM，运用样本集进行了模型训练学习，采用固定阈值对手部图像指节进行识别。本发明细化了手部生物结构的描述，检测结果稳定可靠，计算效率高。

摘要： 本发明涉及一种基于空间Dirichlet混合模型的彩色图像分割方法，所提出的统计模型基于Dirichlet混合模型，Dirichlet分布是一个多元泛化的Beta分布，对比其他分布(例如：高斯分布、)它能够包含对称与非对称模态，因此可以灵活处理各种图像以及体现出较好的分割准确率。本发明在Dirichlet混合模型中融入空间邻域特征，从而体现出较好的鲁棒性。在求解Dirichlet混合模型参数过程中，本发明采用基于变分贝叶斯推断的方法，使得模型求解更加准确高效。克服了现有技术的方法采用的最大似然估计(ML)和最大后验概率估计(MAP)存在的不足：这些方法通常容易在求解模型过程中陷入局部极小值，而且会造成迭代次数过多。

摘要： 本发明公开了一种基于Dirichlet分布‑多项分布共轭先验的用户侧储能聚合方法，建立用户侧储能对有功聚合控制信号的不确定性响应行为模型；根据储能用户的历史响应行为数据，基于Dirichlet分布建立先验分布θi；从先验分布θi中进行采样，计算每个储能的响应概率三元组；计算每个储能用户的有功削减期望值，并进行降序排列；确定选取的m个储能用户，发送有功调节指令；基于Dirichlet分布‑多项分布的共轭属性，更新后验分布。本发明的用户侧储能聚合方法通过贝叶斯推断不断学习储能用户参与有功调节的不确定性，实现精准有功调节的同时降低调节成本，从而提高用户侧储能的利用率。

摘要： 本发明公开了一种基于Dirichlet顶点的水下AUV路径形成方法，其步骤包括：1生成Dirichlet结构的AUV数据收集点；2描述Dirichlet顶点对传感器节点的支配关系；3采用支配集理论约简AUV数据收集点；4得到优化路径。本发明能在保证完整收集全网数据的基础上，可缩减移动路径长度，从而能降低网络能耗，提高水下AUV移动速率，形成优化路径。

摘要： 本发明涉及一种基于Dirichlet过程的可比语料双语平行片段抽取的方法，属于机器学习翻译与自然语言处理技术领域。本发明首先需要通过双语主题模型获得双语可比语料对的主题分布，再通过泊松分布随机切分双语可比语料，然后设定一个主题阈值，通过阈值初步筛选可比语料平行片段集，最后由Dirichlet过程获得各个平行片段之间的匹配概率，再经过吉布斯抽样进一步获得最终精确的平行片段对。在相同的可比语料环境下，本发明基于Dirichlet过程的抽取方法获取平行片段对的效果更佳。

摘要： 本发明公开了一种基于无穷Dirichlet过程混合模型的指节识别方法，按照以下步骤进行：步骤1，在局部Markov假设的基础上，将条件随机测度的学习问题转化为随机聚类学习问题；步骤2，运用无穷Dirichlet过程混合模型描述概率密度，将聚类数量表述为随机态；步骤3，利用Gibbs采样方法，对分层概率形式的密度结构进行迭代学习；步骤4，基于Dirichlet过程混合模型的坍塌Gibbs采样算法DPMM，运用样本集进行了模型训练学习，采用固定阈值对手部图像指节进行识别。本发明细化了手部生物结构的描述，检测结果稳定可靠，计算效率高。

摘要： 本发明涉及一种基于截断Dirichlet过程无限Student’s t混合模型的脑部核磁共振图像分割方法，基于Dirichlet过程无限Student’s t混合模型，将无限Student’s t混合模型中的分量数假设为预设的图像的分割数K，然后利用期望最大化算法对模型进行求解，再利用贝叶斯最大后验概率准则进行图像分割。本发明所述的方法中，假设的Student’s t混合模型直接对应到脑部核磁共振图像不同的部分，而且Student’s t分布的高尾部特性决定了模型有较好的抗噪效果，从而实现脑部核磁共振图像分割。求解Dirichlet过程无限Student’s t混合模型的过程中，本发明用简单高效的期望最大化算法对基于截断Dirichlet过程无限Student’s t混合模型进行求解，使模型的求解变得更易实现。本发明的实施，能够在PC端对一幅脑部核磁共振图像快速自动地进行分割。