肇庆学院数学与信息科学学院
- 作品数：354 被引量：723H指数：13
- 相关作者：徐士河刘幸东罗家贵周长锋施秀莲更多>>
- 相关机构：中山大学数学与计算科学学院韶关学院数学与信息科学学院韶关学院数学与信息科学学院数学系更多>>
- 发文基金：国家自然科学基金广东省自然科学基金肇庆学院教学研究基金更多>>
- 相关领域：理学自动化与计算机技术文化科学经济管理更多>>
- 一个有最佳常数因子的零齐次核的Hilbert型积分不等式
- 2013年
- 通过对权函数的估算,应用实分析的技巧,建立了一个零齐次核的Hilbert型积分不等式及其等价形式.有最佳常数因子.同时给出其逆向不等式.
- 谢子填曾峥孙宇锋
- 关键词：HILBERT积分不等式权函数HOLDER不等式
- 基于谱聚类的多阈值图像分割方法被引量：7
- 2012年
- 阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用。因此,如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,即通过采用新的相似度函数的谱聚类算法(Dcut)确定图像阈值。采用基于灰度级的权值矩阵代替常用的基于图像像素级的权值矩阵描述图像像素的关系,因而算法需要的存储空间及实现的复杂性与其它基于图的图像分割方法相比大大减少。实验表明,该方法分割图像的时间少,且能够单阈值和多阈值分割图像,与现有的阈值分割方法相比,其具有更为优越的分割性能。
- 邹小林陈伟福陈伟福冯国灿刘志勇
- 关键词：图像阈值分割多阈值谱聚类
- 平常数和例外数的2个性质
- 2007年
- 平常数的自然密度为1,例外数在自然数中的比例非常小,自然密度为0.利用平常数和例外数的定义及性质证明了在素因子给定的情况下,平常数只有有限个(因子重数很低的那些),例外数却有无限个(因子重数足够高之后).这表明一个数是否为例外数的决定因素是其因子重数的高低.
- 周方敏李捷
- 关键词：素数
- 组合投资问题的目标规划模型及其求解被引量：1
- 2007年
- 引入非凹非凸的典型交易成本函数形式,考虑分红收益提出含有典型交易成本的组合投资问题的目标规划模型.通过实例对模型中无交易成本、含有V-型交易成本、典型交易成本时所得的有效前沿进行比较,并分析了不同期望收益水平对投资组合的影响.
- 阿春香邵仪
- 无穷区间上微分方程边值问题正解的存在性
- 2013年
- 研究一类在无穷区间上具有p-Laplacian算子的时滞微分方程多点边值问题,利用Avery-Peterson不动点定理得到其至少存在三个正解的充分条件.
- 唐艳秋付本路周庆华
- 关键词：多点边值问题P-LAPLACIAN算子不动点定理
- 决策树在高校学生就业信息中的应用被引量：2
- 2007年
- 应用决策树方法对大学生就业信息进行了分析挖掘,并抽取规则知识,指出专业成绩、外语成绩、实践能力等是影响学生就业层次的主要因素.
- 刘幸东孔丽英
- 关键词：决策树就业信息信息增益率
- 珠江外源污染时序混沌特性
- 2009年
- 利用混沌理论对珠江外源污染进行分析,得到外源污染的混沌相空间,在此基础上通过定义相空间中心点、偏离度概念,获得量化的外源污染混沌相空间点的分布范围,为河流治理规划提供依据。
- 宋华兵张新政
- 融合视觉模型和最大类间方差的阈值分割算法被引量：8
- 2013年
- 针对传统二维直方图的区域划分方法存在把图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点的缺点,以及传统二维最大类间方差阈值分割算法的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了该二维直方图的区域划分方法,同时还把提出的二维直方图应用到最大类间方差阈值分割算法中。根据分割时间、分类误差、均匀性等定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出的阈值分割算法在降低计算复杂度的同时还具有很好的分割性能。
- 邹小林冯国灿
- 关键词：人类视觉模型阈值选取最大类间方差法
- 基于Web的数学留言系统研究
- 2008年
- 本文从系统功能、系统数据库的需求分析和系统关键技术的实现等几个方面,探讨了如何用ASP和MathML.NET Control编辑器制作Web数学留言系统。该系统的特点是能够实现编辑含有希腊字母、数学公式的留言。
- 邹小林
- 关键词：ASPWEB
- SV-N与SV-M模型测量股市波动性的应用被引量：1
- 2009年
- 与传统的GARCH类模型一样,SV模型(随机波动模型)是用来捕捉股市波动特征的一个较好的模型,该模型在国外得到广泛的应用。实证研究表明:利用SV模型的两个子类,即基于正态分布下的SV模型(SV-N)和均值SV模型(SV-M)来测量我国沪深股市波动性明显优于GARCH类模型,能够更好地描述其统计特征。
- 陆庆松杨辉耀
- 关键词：SV模型
