简介：我们将证明一类m-相依随机变量序列加权和的极值分布定理．该定理既无需i．i．d．这一假设，也不必计算协变量部分和的极限值，更没有繁杂的有关条件分布方面的假设．更重要的是该定理的结论有许多统计方面的直接应用．

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：在一致凸Banach空间上，研究了半紧的非扩张压缩映象的修正Ishikawasa三重迭代序列的强收敛问题，建立并证明了若干强收敛定理，推广了Mann和Ishikawa的迭代方法，改进和发展了Xu和贾如鹏等作者的主要结果．

简介：主要说明两两NQD随机变量序列的一些收敛性质是任意随机变量序列的强极限定理的推论．

简介：使用新的证明方法,在去掉数列{αn}单调递减的条件下,建立了一致凸Banach空间中的渐近非扩展映象不动点的具误差的Ishikawa迭代序列的新强收敛定理.其结果推广和改进了Schu,Rhoades及周海云等作者的相关结果.

简介：给出并证明了MengerPN-空间中一类具有（Φ，△）-型概率收缩序列的非线性集值及单值算子方程序列解的存在性与唯一性定理，推广了张石生等人的结果，并利用这些定理获得了几个不动点定理。

简介：时间序列聚类分析是时间序列数据挖掘中的重要任务之一，通常由于时间序列数据的特殊结构，导致一般的聚类算法不能直接应用于时间序列数据。本文提出了一种基于独立成分分析与改进^一均值算法相结合的时间序列聚类算法，该算法首先利用独立成分分析对时间序列数据进行特征提取，然后利用改进￡．均值聚类算法完成对时间序列特征数据的聚类分析，从而得到了一种新的基于特征的时间序列聚类方法。为了验证该方法的有效性和可行性，将其应用于实际的股票时间序列数据聚类分析中，取得了较好的数值结果。

简介：本文利用随机变量的截尾方法扣条件三级数定理，研究了任意随机变量序列在矩条件下的一类强极限定理，改进了与此相应的一些结果的条件．

简介：在一致光滑Banach空间中，证明了广义Lipschitzφ-增生算子的带误差项的Ishikawa迭代序列强收敛于方程Tx=f的解，其结果改进和扩展了近期许多相关结果．并由此得出了Ishikawa迭代序列稳定性的一些结果．

简介：讨论了B-值随机变量序列加权和的弱大数定律及Lr收敛性,同时获得了稳定P型Banach空间性质的刻画.

简介：在一致凸Banach空间上，研究了半紧的非扩张压缩映象｜｜Tx-Ty｜｜≤｜｜x-y｜｜的Ishikawa型的三重迭代序列的收敛性问题，建立并证明了带误差的Ishikawa三重迭代逼近收敛定理，从而独特的推广了Mann和Ishikawa迭代方法，改进和发展了文献[1]-[7]的主要结果．