简介:设H是一实Hillber空间,K是H之一非空间凸子集,设(Ti)i=1^N是N个Lipschitz伪压缩映象使得F=∩i=1^NF(Ti)≠Ф,其中F(Ti)={x∈K:Tix=x}并且{αn}n=1∞,{βn}n=1^∞包含[O,1]是满足如下条件的实序列(i)∑n=1^∞(1-αn)^2=+∞;(ii)limn→∞(1-αn)=0;(iii)∑n=1^∞(1-βn)〈+∞;(iv)(1-αn)L^2〈1,arbitaryn≥1;(v)αn(1-βn)^2+αm[βn+L(1-βn)-]^2〈1,其中L≥1是{Ti}i=1^N的公共Lipschitz常数,对于x0∈K,设{xn}n=1^∞是由下列定义的复合隐格式迭代xN=αnxn-1+(1-αn)Tnyn,yn=βnxn+(1-βn)Tnxn,其中Tn=TnmodN,则(i)limn→∞||xn-p||存在,对于所有的p∈F;(ii)limn→∞d(xn,F)存在,其中d(xn,F)=infp∈F||xn-p||;(iii)limn→∞inf||xn-Tnxn||=0.本文的结果推广并且改进H—K.Xu和R.G.Ori在2001年的结果和Osilike在2004年的结果,并且在这篇文章中,主要的证明方法也不同与H—K.Xu和Osilike的方法.
简介:文章给出了一种真正多维的HLLRiemann解算器.采用AUSM分裂将通量分解成为对流通量和压力通量,其中对流通量的计算采用迎风格式,压力通量的计算采用HLL格式,且将HLL格式的耗散项中的密度差用压力差代替,从而使得格式能够分辨接触间断.为了实现数值格式真正多维的特性,分别计算了网格界面中点和角点上的数值通量,并且采用Simpson公式加权组合中点和角点上的数值通量得到网格界面的数值通量.为了减少重构角点处状态时的模板宽度,计算中采用基于SDWLS梯度的线性重构获得2阶空间精度,而时间离散采用2阶保强稳Runge—Kutta方法.数值实验表明,相比于传统的一维HLL格式,文章的真正多维HLL格式具有能够分辨接触间断,以及更大的时间步长等优点.与其他能够分辨接触间断的格式(例如HLLC格式)不同,真正多维的HLL格式在计算二维问题时不会出现激波不稳定现象.
简介:在Banach空间中利用一个随机Mann迭代序列组,讨论了随机映射的随机不动点的存在性问题,得出了几个随机不动点定理,改进了相关文献中的相应结果.
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:通过分析显式有限差分格式的数值色散和数值耗散,导出一个适于有限差分格式的通用色散一耗散条件.根据群速度和耗散率之间的物理关系,确定了用以抑制数值解中伪高波数波所需要的适度耗散.在以往发展的低耗散加权基本无振荡格式WENO—CU6-M2上的应用表明,该条件可用作优化线性或非线性有限差分格式的色散和耗散的通用指导准则.此外,满足色散-耗散条件的改进WENO—CU6-M2格式还可选作低分辨率数值模拟,以三维Taylor-Green涡向湍流转捩和自相似能量衰减问题展现了它的这种能力.与经典的动态Smagorinsky亚网格尺度模型相比,在Heynolds数胁:400~3000条件下,无黏和黏性Twlor—Green涡的数值模拟结果均得到明显改善.在保持激波捕捉特性同时,与最新的隐式大涡模拟模型的计算效果相当.
简介:在网络终端视频体验过程中,影响用户体验的两个关键指标为初始缓冲等待时间和卡顿缓冲时间,本文结合移动视频传输协议等相关知识,通过机理分析方法,对实验数据进行分析和挖掘,建立了初始缓冲时延映射模型与卡顿时长占比函数模型。并基于视频体验评分测试软件Speedvideo及其网络运营平台,对所在地多个区域进行了综合测试。
简介:研究了一致连续广义Φ-伪压缩映射的不动点收敛定理.该定理中不要求Φ(t)为严格递增函数且对实序列的条件做了相应地放宽,从而所得结果推广和改进了已知的结论.