检索结果-南通市图书馆

数学物理学报（A辑） 2008年第1期28卷 39-45页

作者：徐文雄张太雷徐宗本西安交通大学理学院西安710049

研究一类具有多时滞HollingⅡ型功能性反应非自治捕食-被捕食系统,利用重合度理论得到系统全局正周期解存在的充分条件.推广了相关的已有结果.

关键词：时滞非自治捕食-被捕食系统正周期解重合度.

在线全文

学校读者我要写书评

暂无评论

L1/2 regularization

Science China(Information Sciences) 2010年第6期53卷 1159-1169页

作者： xu zongben 1 , ZHANG Hai 1,2 , WANG Yao 1 , CHANG XiangYu 1 & LIANG Yong 3 1 Institute of Information and System Science, Xi'an Jiaotong University, Xi'an 710049, China 2 Department of Mathematics, Northwest University, Xi'an 710069, China 3 University of Science and Technology, Macau 999078, China 1. Institute of Information and System Science Xi’an Jiaotong University Xi’an 710049 China2. Department of Mathematics Northwest University Xi’an 710069 China3. University of Science and Technology Macau 999078 China

In this paper we propose an L1 /2 regularizer which has a nonconvex *** L 1/2 regularizer is shown to have many promising properties such as unbiasedness, sparsity and oracle properties.A reweighed iterative algorithm is proposed so that the solution of the L 1/2 regularizer can be solved through transforming it into the solution of a series of L 1 *** solution of the L 1/2 regularizer is more sparse than that of the L 1 regularizer, while solving the L 1/2 regularizer is much simpler than solving the L 0 *** experiments show that the L 1/2 regularizer is very useful and efficient, and can be taken as a representative of the Lp(0 < p < 1) regularizer.

关键词： machine learning variable selection regularizer compressed sensing

基于L_(1/2)正则化理论的稀疏雷达成像

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

科学通报 2018年第14期63卷 1306-1319页

作者：徐宗本吴一戎张冰尘王尧西安交通大学数学与数学技术研究院西安710049 中国科学院电子学研究所北京100190

稀疏雷达成像旨在远低于奈奎斯特率采样下对稀疏场景实施高分辨率微波成像.本文概述作者在解决这一问题上的系统探索与创新实践.核心贡献包括:提出L_(1/2)正则化理论作为新的稀疏雷达成像理论,提出不直接基于雷达观测而基于雷达回波模... 详细信息

稀疏雷达成像旨在远低于奈奎斯特率采样下对稀疏场景实施高分辨率微波成像.本文概述作者在解决这一问题上的系统探索与创新实践.核心贡献包括:提出L_(1/2)正则化理论作为新的稀疏雷达成像理论,提出不直接基于雷达观测而基于雷达回波模拟算子重构的稀疏雷达成像新模型,提出以3D相变图分析为依据的稀疏雷达成像系统设计方法等.根据新的理论、模型和设计方法,研制了首部稀疏雷达原理样机并开展了机载实验.实验验证了所提新理论、新模型与新方法的正确性和可行性,展示广阔应用前景.

关键词：压缩感知稀疏雷达成像 L1/2正则化

在线全文

学校读者我要写书评

暂无评论

包含度族的一些性质

模糊系统与数学 1999年第2期13卷 7-11页

作者：程国胜徐宗本西安交通大学理学院

本文研究半序集（Ｌ，≤）中的包含度族的凸性，不交性及格。

关键词：包含度族凸性不交性格半序集模糊推理

在线全文

学校读者我要写书评

暂无评论

一致平滑Banach空间的特征

工程数学学报 1989年第3期6卷 112-114页

作者：张茁生徐宗本西安交通大学

Hilbert空间内积公式||x+y||~2=||x||~2+2+||y||~2的变形推广,在应用上具有重要意义,本文后一作者对其作了详细的研究。

关键词：一致平滑 Banach空间特征不等式

非线性Lipschitz连续算子的定量性质(Ⅲ)──glb-Lipschitz数

在线全文

学校读者我要写书评

暂无评论

数学学报（中文版） 1999年第3期42卷 395-402页

作者：王利生徐宗本陈白丽西安交通大学理学院信息与系统科学研究所

本文引进非线性Ｌｉｐｓｃｈｉｔｚ算子Ｔ的ｇｌｂ－Ｌｉｐｓｃｈｉｔｚ数ｌ（Ｔ），并证明：ｌ（Ｔ）定量刻画非线性Ｌｉｐｓｃｈｉｔｚ连续算子全体所构成的赋半范算子空间中可逆算子Ｔ保持可逆的最大扰动半径，因而具有特别重要意义... 详细信息

本文引进非线性Ｌｉｐｓｃｈｉｔｚ算子Ｔ的ｇｌｂ－Ｌｉｐｓｃｈｉｔｚ数ｌ（Ｔ），并证明：ｌ（Ｔ）定量刻画非线性Ｌｉｐｓｃｈｉｔｚ连续算子全体所构成的赋半范算子空间中可逆算子Ｔ保持可逆的最大扰动半径，因而具有特别重要意义。所获结果被应用来建立“非线性扰动引理”、非线性算子条件数、推广线性算子逼近理论和建立与矩阵理论中Ｇｅｒｓｃｈｇｏｒｉｎ圆盘定理对应的非线性Ｌｉｐｓｃｈｉｔｚ连续算子谱集的包含域。

关键词：算子逼近非线性算子李普希兹算子 glb-L数

在线全文

学校读者我要写书评

暂无评论

一种代数杂交算子搜索能力的注记

应用数学 2000年第3期13卷 1-4页

作者：程国胜徐宗本淮北煤炭师范学院数学系 235000 西安交通大学理学院

在利用布尔代数的理想将遗传算法 (GAs)中的个体空间进行等价分类后 ,本文在[6]的基础上 ,进一步给出代数杂交算子搜索能力的若干结果 .作为其应用 ,分析了广义Schema的稳定性 .

关键词：遗传算法全局优化代数杂交算子搜索能力

在线全文

学校读者我要写书评

暂无评论

一种代数杂交算子的搜索能力分析

西安交通大学学报 1999年第10期33卷 88-90,99页

作者：徐宗本程国胜梁勇西安交通大学西安710049

在利用布尔代数的理想将遗传算法（ＧＡｓ）中的个体空间进行等价分类后，给出一种代数杂交算子，分析这种代数杂交算子在这些等价类之中的搜索能力，这为深入理解ＧＡｓ搜索机理及预防ＧＡｓ的过早收敛和欺骗问题提供了理论上的指导．

关键词：遗传算法杂交算子搜索能力全局伏化

在线全文

学校读者我要写书评

暂无评论

计算治理：一个值得重视的新兴交叉领域

中国科学基金 2022年第1期36卷 94-99页

作者：杨晓光徐宗本郭雷中国科学院数学与系统科学研究院中国科学院大学西安交通大学

数字时代的国家治理现代化呼唤与之相匹配的理论和技术。为满足这一需求，本文提出一个交叉学科的新研究领域——“计算治理”。“计算治理”是针对数字社会中“信息—物理—社会”强耦合的关键特征，融合复杂性科学、控制论、社会科学... 详细信息

数字时代的国家治理现代化呼唤与之相匹配的理论和技术。为满足这一需求，本文提出一个交叉学科的新研究领域——“计算治理”。“计算治理”是针对数字社会中“信息—物理—社会”强耦合的关键特征，融合复杂性科学、控制论、社会科学、信息科学等学科，系统深入地研究国家治理体系和治理能力现代化建设的相关基础理论与逻辑基础，构建数字时代社会治理体系，设计稳健和灵活相兼顾的治理机制；同时利用大数据、人工智能等新一代信息技术方法工具，研发数字时代社会问题感知技术和新一代信息技术驱动的社会治理技术支撑体系。

关键词：国家治理现代化计算治理数字社会 “信息—物理—社会”强耦合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种新的有监督流形学习方法

计算机研究与发展 2007年第12期44卷 2072-2077页

作者：孟德宇徐宗本戴明伟西安交通大学信息与系统科学研究所西安710049 西安交通大学电子与信息工程学院西安710049

提出了一种新的有监督流形学习方法,目的是提供将流形学习降维方法高效应用于有监督学习问题的全新策略.算法的核心思想是集成流形学习方法对高维流形结构数据的降维有效性与支撑向量机(SVM)在中小规模分类数据集上的优良特性实现高效... 详细信息

提出了一种新的有监督流形学习方法,目的是提供将流形学习降维方法高效应用于有监督学习问题的全新策略.算法的核心思想是集成流形学习方法对高维流形结构数据的降维有效性与支撑向量机(SVM)在中小规模分类数据集上的优良特性实现高效有监督流形学习.算法具体实现步骤为:首先利用SVM在流形学习降维数据中选出对分类决策最重要的数据集,即支撑向量集;按标号返回可得到原空间的支撑向量集;在这个集合上再次使用SVM即可得到原空间的分类决策,从而完成有监督流形学习.在一系列人工与实际数据集上的实验验证了方法的有效性.

关键词：流形学习方法支撑向量机等距特征映射局部线性嵌入分类