【摘 要】
：
本文在加权Lp范数逼近意义下确定了基于第一类Chebyshev结点组的Lagrange插值多项式列在一重积分Wiener空间下同时逼近平均误差的渐近阶.结果显示在Lp范数逼近意义下Lagrange插值多项式列的平均误差弱等价于相应的最佳逼近多项式列的平均误差.同时,当2p4时,Lagrange插值多项式列导数逼近的平均误差弱等价于相应的导数最佳逼近多项式列的平均误差.作为对比,本文也确定了相应的H
论文部分内容阅读
本文在加权Lp范数逼近意义下确定了基于第一类Chebyshev结点组的Lagrange插值多项式列在一重积分Wiener空间下同时逼近平均误差的渐近阶.结果显示在Lp范数逼近意义下Lagrange插值多项式列的平均误差弱等价于相应的最佳逼近多项式列的平均误差.同时,当2p4时,Lagrange插值多项式列导数逼近的平均误差弱等价于相应的导数最佳逼近多项式列的平均误差.作为对比,本文也确定了相应的Hermite-Fejér插值多项式列在一重积分Wiener空间下逼近的平均误差的渐近阶.
其他文献
数学物理建模和图形学仿真得到的各种虚拟自然现象,可以在一定程度上满足用户的感知体验,但却难以与真实自然现象具有高精度物理一致性.自然现象的数据获取与模拟技术从真实自然现象中直接获取多维多模态数据,根据实获数据从外观、物理、行为等多方面建立与真实自然现象高度一致的数字化模型,使得虚拟自然现象成为真实自然现象的直接映射.这种研究方法有利于虚拟现实可信度与可用性问题的解决.目前,自然现象的数据获取与模拟
缓存技术是提高存储性能最有效的技术之一,在存储系统中得到了广泛应用.由于缓存容量有限,替换算法在缓存策略中占据了重要地位.当前,缓存替换算法的研究工作主要集中在如何提高缓存系统命中率,忽略了通过降低缓存失效开销来提高缓存系统性能方面的研究.针对这一问题,本文提出了一种基于顺序检测的双队列缓存替换算法:本算法优先淘汰缓存中的顺序页面,保留随机页面,从而大大减少后续请求对磁盘进行随机访问的次数,能够显
核磁共振(magnetic resonance,MR)图像重构的任务是基于小量的频域采样恢复出可供医学诊断的灰度图像.文中研究了各类MR变分重构模型,利用重复加权极小化能增强稀疏性的特性,并结合MR图像重构最有效的小波变分模型,提出了重复加权极小化MR图像重构模型.并借助最新的正则化技术—分裂Bregman方法对模型进行了求解,得到了相应的迭代算法,分析了算法的收敛性.仿真数值实验验证了文中的模型
火狐中国版:中国版在firefox的最新版本上构建,新增了"火狐魔镜",用户可随意拖拽页面中被选中的文字,在侧栏获得搜索结果;或拖拽视频,将视频播放窗移植到右侧栏,边看视频边上网。火狐中国版在本地化方面做了很
已有的生理信号非线性分析仅研究了信号在单一采样频率下复杂度的差异.分析认为,可通过一个频率尺度因子寻找与生命活动密切相关的多重分形特性谱参数,该参数对生理、病理活动状态具有敏感性.通过小鼠药物实验模拟不同的生理和病理条件,研究并分析了健康小鼠与不同加药组小鼠心电图(electrocardiogram,ECG)信号的质量指数谱曲率随尺度因子分布,确定该信号复杂度最强、同时对疾病最敏感的特征频率范围,
全球气候变化预期将对陆地生态系统碳过程和碳库动态产生深远影响[1].最近,《中国科学:生命科学》发表了3篇研究论文[2～4],从不同的角度和尺度研究了中国北方草地生态系统(包含青藏高原高寒草地)的碳库动态,发现中国青藏高原高寒草地和温带草原生态系统的碳库自20世纪80年代末以来没有明显的趋势变化,与同期明显的气温增加和降水
在全球卫星导航系统中B1/L1频点(1575.42MHz)是互操作频点,GPS和Galileo系统在此频点设计了L1C和E1OS信号.在北斗导航系统第三阶段信号初步方案中在此频点的公开信号B1C设计为具有导频和数据通道的MBOC(6,1,1/11)(Multiplexed Binary Offset Carrier,简称为MBOC)调制方式,与L1C和E1OS具有互操作性,但是其兼容性、实现方式、
在固体物理中,通常认为对于给定的晶格来说,晶体的不可约布里渊区(IBZ)是给定的,是不变化的.实际上,对于由同样的晶格构成的不同的晶体(晶体=晶格+基元)而言,由于基元的对称性以及取向和配置等原因,使得晶体的对称性不同于晶格,此时,晶体的IBZ要发生变化.本文通过一个二维光子晶体的具体事例说明,随着基元取向的改变,IBZ也在随着变化.当晶体的对称性低于其晶格的对称性时,晶体的IBZ扩大为整个第一布
本文研究在自然扩张和嵌入下特殊线性群和一般线性群的有限子群的McKay箭图间的关系.我们证明在特定条件下,一般线性群GL(m,C)的有限子群G的McKay箭图是其正规子群G∩SL(m,C)的McKay箭图的正则覆盖,而当把G嵌入SL(m+1,C)时,新的McKay箭图由在原来的McKay箭图的每一顶点加上一个由其Nakayama平移到其自身的箭向得到.作为例子,我们指出如何用这些方法得到一些有趣的
本文的主要结果是给出了有限群的不可分解模的一种参量化,它相对于Puig和Thévenaz给出的参量化更加自然.同时我们说明了用这两种不同的方式给出的参量化是一致的.