检索结果-内蒙古大学图书馆

一类循环码的完全重量分布

引用

系统科学与数学 2018年第10期38卷 1206-1212页

作者：于龙胡鹏刘修生刘宏伟湖北理工学院数理学院黄石435003 应用数学湖北省重点实验室湖北大学武汉430062 华中师范大学数学与统计学学院武汉430079

我们利用有限域上的高斯和工具,确定了一类循环码的完全重量分布.进一步,利用文章的主要结果还可以得到一类线性码的重量分布.

关键词：循环码高斯和重量分布完全重量分布

来源：评论

学校读者我要写书评

暂无评论

线性代数中的降维方法

引用

大学数学 2020年第2期36卷 111-117页

作者：徐运阁付辉敬湖北大学数学与统计学学院应用数学湖北省重点实验室武汉430062

限制与提升是线性代数中的基本方法.利用案例法详细讨论了线性空间与线性变换的许多问题都可以通过首先限制在某个合适的不变子空间上实现降维,然后转移到商空间上使用归纳假设,最后再提升到整个空间上得到结论的方法.

关键词：线性变换不变子空间商空间限制提升

来源：评论

学校读者我要写书评

暂无评论

新多节点修复模型下的再生码

引用

计算机应用研究 2018年第2期35卷 527-531页

作者：王丽莎唐小虎湖北大学数学与统计学学院应用数学湖北省重点实验室武汉430062 西南交通大学信息科学与技术学院成都611756

关于单节点修复模型,Dimakis已通过信息流图分析出节点存储与修复带宽的理论界。对于多节点的修复,Shum和Hu提出了新节点之间相互合作的模型,并给出此模型下存储与带宽的理论界;Zhang等人介绍的新节点之间不再传输数据的模型,比合作修... 详细信息

关于单节点修复模型,Dimakis已通过信息流图分析出节点存储与修复带宽的理论界。对于多节点的修复,Shum和Hu提出了新节点之间相互合作的模型,并给出此模型下存储与带宽的理论界;Zhang等人介绍的新节点之间不再传输数据的模型,比合作修复减少了设计和运算的复杂性,更符合系统的需要。针对这种新模型,利用割型找出其最小容量割,并用线性规划的方法给出存储—带宽的理论界,过程更为简单。最后给出一些特殊参数下的编码构造。

关键词：分布式存储多节点修复修复模型再生码

来源：评论

学校读者我要写书评

暂无评论

线性子空间的直和与直积

引用

大学数学 2019年第1期35卷 65-69页

作者：徐运阁曾祥勇湖北大学数学与统计学学院应用数学湖北省重点实验室

线性(子)空间的直和是线性代数中的重要概念,本文从泛映射性质的角度刻划线性(子)空间的直和与直积,证明有限个线性(子)空间的直和与直积同构,并将相关结论推广到无穷多个线性(子)空间的直和与直积.

关键词：线性子空间直和直积泛映射性质

来源：评论

学校读者我要写书评

暂无评论

一类涉及分担值的亚纯函数正规族

引用

理论数学 2018年第2期8卷 182-191页

作者：廖华婷张莎莎湖北大学数学与统计学学院应用数学湖北省重点实验室湖北武汉

本文研究涉及分担值的亚纯函数族正规性准则。给出了一类涉及亚纯函数及其一阶导数分担值的正规族定则,其中的分担值依赖于函数族中的函数。本文的结论推广了已有的一个亚纯函数族关于固定分担值的正规定则。进一步地,我们研究了其它类... 详细信息

本文研究涉及分担值的亚纯函数族正规性准则。给出了一类涉及亚纯函数及其一阶导数分担值的正规族定则,其中的分担值依赖于函数族中的函数。本文的结论推广了已有的一个亚纯函数族关于固定分担值的正规定则。进一步地,我们研究了其它类似的亚纯函数族正规定则。

关键词：亚纯函数分担值正规族

来源：评论

学校读者我要写书评

暂无评论

线性代数中行列式的降阶方法

引用

高等数学研究 2020年第1期23卷 97-101页

作者：徐运阁陈媛湖北大学数学与统计学学院应用数学湖北省重点实验室

本文归纳线性代数中关于行列式的常用降阶方法,通过摄动法将这些降阶公式由子矩阵块的可逆情形推广到一般情形,并基于矩阵的满秩分解,给出降阶公式的使用技巧.

关键词：行列式降阶满秩分解线性代数

来源：评论

学校读者我要写书评

暂无评论

基于一种距离相关的超高维生存数据Model-Free特征筛选

引用

湖北大学学报（自然科学版） 2024年第1期46卷 122-132页

作者：潘莹丽王昊宇喻佳丽刘展应用数学湖北省重点实验室湖北大学数学与统计学学院湖北武汉430062

随着大数据时代的来临,数据维度爆炸式增长,超高维数据的降维问题逐渐成为众多研究领域的热点话题。由于响应变量通常存在右删失,处理超高维完全数据的降维方法在右删失数据中将不再适用。本研究提出一种新的基于距离相关能有效处理超... 详细信息

随着大数据时代的来临,数据维度爆炸式增长,超高维数据的降维问题逐渐成为众多研究领域的热点话题。由于响应变量通常存在右删失,处理超高维完全数据的降维方法在右删失数据中将不再适用。本研究提出一种新的基于距离相关能有效处理超高维右删失数据的特征筛选方法。首先利用距离相关系数计算每个协变量对响应变量的边际效应,建立与该系数有关的筛选指标,然后再根据事先确立的筛选准则进行特征筛选。提出的特征筛选方法不依赖任何模型结构假定,因此可以有效避免模型指定错误带来的不良后果。此外,该方法采用的距离协方差估计量是总体距离协方差的一个无偏估计,统计准确性和计算精度高。模拟和实证研究表明,提出的方法能在保留所有重要变量的前提下快速剔除与响应变量相关程度较弱的协变量,从而达到降低参数维数的目的。

关键词：超高维数据生存数据距离相关 Model-Free特征筛选

来源：评论

学校读者我要写书评

暂无评论

一类平面自相似集的共形维数