简介:本文主要讨论了高阶Kirchhoff方程的指数吸引子,对于低阶的Kirchhoff方程的指数吸引子,有着广泛的研究,本文在低阶类型方程研究的基础上,研究了高阶Kirchhoff类型方程的指数吸引子.首先,对于高阶Kirchhoff方程中的非线性项,进行了合理的假设,运用了广义Gronwall不等式,Young不等和Poincare不等式,结合Sobolev空间理论,证明了该方程的动力系统的Lipschitz连续性,离散的挤压性质,然后获得了指数吸引子.
简介:本文首先建立了具有变时滞和分布时滞的Lotka-Volterra两种群脉冲合作系统.然后通过应用Gaines和Mawhin叠合度定理,研究得到了具有变时滞和分布时滞的Lotka-Volterra两种群脉冲合作系统正周期解存在性的充分条件.
简介:在Leslie-Gower捕食模型中引入乘积型Allee效应,并分析模型的性质.首先,模型存在正向不变集,解是一致有界的.其次,讨论了平衡点存在和稳定的条件,并利用Liapunov函数方法得到正平衡点全局渐近稳定的充分条件.最后,根据Hopf分岔定理分析了分岔现象出现的条件和在这个过程中产生的极限环.
简介:利用带有积分余项的Taylor公式重新推导了Simpson校正公式,同时给出了其误差的精确表示,而这一结果将优于Simpson校正公式[J]中的误差估计.
简介:对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(BayesianRPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有BayesianRPCA和MoG-RPCA提取出了完整的前景目标,但是BayesianRPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.
简介:在本文中,作者研究了一种特殊的Banach空间,即Orlicz函数空间LM的子集A要构成LN-弱序列紧集合的充分必要条件是什么,给出了第一判别充要定理.
简介:研究一类失效状态为吸收状态及重试率为常数的M^[X]/M/1排队模型的主算子在左半实轴上的特征值,证明:当顾客的到达率λ,服务员的服务率v,服务员的服务完成率b,顾客的重试率α满足一定的条件时,-α是该主算子的几何重数为1的特征值.