请下载后查看,本文暂不支持在线获取查看简介。
Please download to view, this article does not support online access to view profile.
设G是一个有限群,S是群G的不包含单位元1的子集,|S|=3.群G关于其子集S的Cayley图X=Cay(G,S)是正规的,如果右乘变换群R(G)在Aut(X)=Aut(Cay(G,S))中正规.令G=(a,b|a8p2=b2=1,ab=am),
本文中的所有群均为有限群.
群G的子群H称为G中S-置换的(或S-拟正规的),如果对G的每个Sylow子群P,有HP=PH.令HsG是由H在G中所有可置换的子群生成的H的子群.下面我们给出S-嵌
近年来,科学家对生物膜运动模型的研究逐渐增多。这是因为生物膜模型描述了自然界中一种非常重要的现象。生物膜是由单个或多个微生物种类(霉菌,海藻,酵母等)以及它们的分泌物,腐蚀
随着高速计算机和大规模存储计算机的快速发展,高维数据的检测得到越来越多的重视,尤其体现在现代工业生产和服务过程中。本文基于多维的EWMA(exponentially weighted moving a
本文围绕Richardson Lucy算法在图像复原过程中易出现振铃效应,全局复原使得局部模糊图像的复原过程中清晰区域被损坏以及模糊视频图像中估计出的光流不精确等问题展开研究,
请下载后查看,本文暂不支持在线获取查看简介。
Please download to view, this article does not support online access to view profile.
假设原始文献只能获得p值,其他数据无法获得,在这样特殊的情况下,单纯的p值也是可以合并的。统计文献中有很多关于p值合并问题的探讨。然而在相依情形下,p值合并统计量的概率分布
Burgers方程作为流体力学领域最基本的偏微分方程之一有非常广泛的应用,它是在某些情形下可以求出精确解的非线性偏微分方程,但是Burgers方程的解可能在某些局部区域内正则性比
张量对角化,是信号处理和机器学习范畴中至关重要的一部分。张量对角化是指通过在张量的每个维度上乘非酉非奇异矩阵后将一系列张量转化为精确的或近似对角张量的方法。在多维的、多数据集的或多模态的的盲信号分离背景下,使用每个数据集中源的高阶累积量可以将联合盲信号分离问题转换为高阶张量的张量对角化问题。且它们的应用范围从源分离到协同过滤,混合建模,主题建模,分类,和多线性子空间学习。本文以非酉张量对角化为切入