【摘 要】
：
2018年,Park在Riesz空间上赋予模糊范数,建立了模糊赋范Riesz空间。本文讨论了模糊赋范Riesz空间的分解定理、重构性质以及序列收敛性质,建立了模糊赋范Riesz空间中向上集（向下集）模糊范数收敛、模糊范Cauchy系统、序连续及σ-序连续的概念,并讨论了其相关性质,特别地,给出了模糊Banach格中序连续的等价刻画。同时,讨论了模糊赋范Riesz空间中的每个模糊范闭理想都是带的充分
论文部分内容阅读
2018年,Park在Riesz空间上赋予模糊范数,建立了模糊赋范Riesz空间。本文讨论了模糊赋范Riesz空间的分解定理、重构性质以及序列收敛性质,建立了模糊赋范Riesz空间中向上集（向下集）模糊范数收敛、模糊范Cauchy系统、序连续及σ-序连续的概念,并讨论了其相关性质,特别地,给出了模糊Banach格中序连续的等价刻画。同时,讨论了模糊赋范Riesz空间中的每个模糊范闭理想都是带的充分条件。
其他文献
趋化方程组刻画的是生物的趋化现象,这种现象指的是细胞或有机体会根据化学物质的浓度做定向的运动.趋化方程组最典型的代表是所谓的Keller-Segel方程组.本文研究带有logistic源项的Keller-Segel方程组（?）的Cauchy问题,其中 λ≥0,μ＞0,k＞1.本文结构如下:引言部分主要介绍趋化方程组的生物学背景及一些相关的研究进展,特别是带有logistic源项的趋化方程组的研究现
流体力学、生物学和化学等自然科学中产生的许多实际问题,往往可以通过建立相关的非线性偏微分方程（组）来研究.偏微分方程是现代数学的重要分支之一,在已有工作的基础上,本文主要研究了以下两类高阶Camassa-Holm-type方程1、一类非线性 Rotation-Camassa-Holm（RCH）方程（?）其中m=V-Vxx,（?）,（?）,常数F是描述科里奥利效应的参数.2、一类高阶 Camassa
在自然界中,细菌常常生活在流体环境中.此时,流体环境的存在会对细菌的运动产生影响.应用数学家们用趋化-流体耦合方程组来刻画此时细菌的运动.本文将研究一类趋化-流体耦合模型解的整体存在性与大时间行为等.具体来说,本文主要研究具有间接信号产生机制的chemotaxis-Navier-Stokes方程组的初边值问题（？）其中Ω?R2是一个具有光滑边界的有界区域,未知函数n（x,t）表示细胞密度,v（x,
微分方程是现代数学的一个重要分支,是人们解决各种实际问题的有效工具,它在众多领域都有着广泛的应用,并且因为非线性的方程、模型能更精确地揭示其内在联系以及本质规律,所以非线性微分方程的求解也是当今的研究热点。但是只有一些特殊形式的微分方程才能求出通解,所以微分方程的可解类依然很少,尤其是对于非线性微分方程而言,能求出通解的更是屈指可数。由于微分方程对于实际生活的重要性,探索新的方法扩大微分方程的可解
由于决策问题在实际生活中的多样性,专家很难用精确的数值来表示评估意见,为此,区间模糊集、直觉模糊集和犹豫模糊集等模糊集的扩展理论被相继提出并用于决策问题的分析。概率犹豫模糊集是犹豫模糊集的一种扩展,它可以更准确地模拟决策者给出决策信息时的犹豫不确定,因此基于概率犹豫模糊信息的决策方法更加真实有效。PROMETHEE（即偏好顺序结构评估法）是一种解决多属性决策问题的优先级别方法,其关键在于构造偏好函
利用常微分方程定性理论,探究三类含参数的二维非线性系统的全局稳定性,本文首先对两类含单个参数的非线性系统进行稳定性分析,再将第一类系统的单参数改为双参数进行研究,比较三类系统因参数改变而产生的不同结果,具体工作如下:第一章,首先说明了微分方程的背景和意义以及研究现状,然后介绍了本文的创新点,最后列出了本文的主要研究内容。第二章,根据第一类系统的特征值判断出该系统的平衡点类型;再利用Bendixso
对于双渗油藏,之前的研究者所建立的渗流模型总是基于三种理想外边界条件（定压、封闭、无穷大）下的,但理想外边界极少存在于实际地层中,从而所建立的模型得到的结果与实际情形相比较会出现不可避免的误差。因此,本文通过引入弹性外边界条件替代三种理想外边界条件建立弹性外边界条件下的双渗油藏渗流模型来改善这一缺陷。研究表明,三种理想外边界条件实际上是弹性外边界条件的特殊情形,从而进一步扩大了试井实测数据合理解释
带有阻尼项的对称正则长波方程是反映非线性离子声波运动本质现象的合理模型,两个未知函数u（x,t）和ρ（x,t）是耦合在一起的,对其数值求解时,若不解除u和ρ的耦合关系,计算量一般都比较大。本文对一类带有阻尼项的耗散SRLW方程的初边值问题进行了有限差分方法研究,对时间层数值离散时,在保持二阶理论精度的前提下,将方程中的耦合项ρx和ux在时间层同时外推到n层和n-1层或直接离散到n层,从而在数值求解
根据无线通信系统中应用场景的不同,有必要针对性地设计通信序列,从而提高通信系统性能。近年来,作为无线通信领域研究的新热点,认知无线电（Cognitive Radio,CR）可有效解决频谱资源稀缺问题。在频谱受限的应用场景下,传统序列将不再满足原始序列的良好相关特性,传统的序列设计方法均不能直接使用,因此,CR系统迫切需要更为“智能”的序列设计方法。本文考虑在低相关和频谱约束两种限制条件下,从频谱受
复杂网络通常表现出高度的复杂性和不规则性,变异性分析方法能够有效地捕捉网络的不精确或不确定性信息,以及网络的重组模式。传统的网络变异性方法主要有方差、统计、几何、能量等。相比较于传统的方法,模糊熵具有更强的相对一致性、对数据长度的依赖性更小、避免了不必要的边界效应、更能反应数据的固有特征。为了更好的刻画网络变异性模式,本论文提出了基于模糊熵的变异性分析技术,并将变异性特征用于医学影像数据的机器学习