关于Sierpinski垫片的Hausdorff测度的上估的算法

给出了Sierpinski垫片的Hausdorff测度上方估值的一个算法,用计算机实现后,得到了Sierpinski垫片的Hausdorff测度的较好的估值。     

Sierpinski垫片一个新的Hausdorff覆盖

通过构造Sierpinski垫片含含有多整数参数的覆盖序列，利用Sierpinski垫片的自相似性以及相关参数为序数指标，得到Sierpinski垫片的Hausdorff测度的较好上界；并以此为基础构造凸集进行覆盖，得到了更好的上界估计。     

一类Sierpinski地毯当维数s∈[log54,1]时的Hausdorff测度的准确值

利用分形的分细分析方法，得到了一类Sierpinski地毯的Hausdorff测度准确值：当维数s∈[log54，1]时，Sierpinski地毯的Hausdorff测度为：H^s（s）=（√2）^s．     

Sierpinski地毯的Hausdorff测度的一个上限估计

利用Sierpinski地毯的对称性,改进Sierpinski地毯一个覆盖,得出其Hausdorff测度的一个好的上限估计值.     

一个经典分形集的Hausdorff测度的上界估计

研究经典分形集Sierpinski三角垫的Hausdo廿测度的上界估计,构造了Sierpinski5-垫的某种覆盖六边形,给出了这个覆盖集中小三角形的个数以及覆盖的直径的计算公式,据此获得了Sierpinski三角垫的Hausdorff测度的一个更好的上界估计值Hs（S）≤137781/109286×（2431/3072）s≈0.870 031 853.     

Sierpinski圆垫片的Hausdorff测度

从构造Sierpinski圆垫片出发，在一般意义下讨论了有关自相似集的Hausorff测试的计算问题，并给出刚性与非风性自相似集的等价关系，获得了更广泛的一类自相似集的Hausdordff测度。     

任意平行四边形的Sierpinski地毯递归算法的推导

从正三角形的Sierpinski垫片到任意三角形的Sierpinski垫片的两种算法中得到启发,通过正方形Sierpinski地毯的递归算法,来得到任意平行四边形的Sierpinski地毯递归算法。使得Sierpinski的图形得到更多角度和层次上的视觉变化,并且能在服装面料花样上得到更好的应用。     

三维广义Sierpinski垫的Hausdorff维数公式及其在一种特殊情形下的证明

本在二维的基础上提出了三维广义Sierpinski垫的Hausdorff维数与度量维数公式。对三维广义Sierpinski垫在属于同一层每一行留下立方体块数除零外均相等的情形下，改写了其Hausdorff维数套式，并利用测度论方法给予严格的证明。证明表明，它推广了二维广义Sierpinski垫的结果，该方法也可推广到n维的情形。     

初探Hausdorff型测度与测度ψ(s,t)的关系

研究了Hausdorff型测度与测度φ(s,t)的关系,即当s+t≥2时,在R2上Hausdorff型测度H(s,t)等于测度φ(s,t).     

自相似集的Hausdorff测度的七个等价刻画

给出了满足开集条件自相似集的Hausdorff测度的七个等价刻画,并且给出了详细证明,为计算一类自相似集Hausdorff测度奠定了基础.     

初探Hausdorff型测度与测度φ^（s,t）的关系

研究了Hausdorff型测度与测度φ^（s,t）的关系,即当s＋t≥2时,在R^2上Hausdorff型测度H^（s,t）等于测度φ^（s,t）．     

关于一个特殊的自相似集的Hausdorff测度的准确值的计算

该文利用自相似集的Hausdorff测度的一个基本结果得到了一个特殊的自相似集的Hausdorff测度的准确值,并指出了有关文献中的一个错误.     

Sierpinski垫片及其计算机图形的两种生成方式

本文采用两种算法来计算Sierpinski垫片,并用C语言实现其计算机图形的绘制,同时简单地分析其图形特点。     

关于正四面体生成的Sierpinski块的Hausdorff维数

构造了正四面体生成的一般Sierpinski块,利用满足开集条件的压缩自相似映射的性质,给出它们的Hausdorff维数s=ln[4+6(n-1)] ln(1 ε)。     

一类广义Cantor集Hausdorff测度的计算

将三分Cantor集构造的一个性质推广到2n＋1（n∈N）分Cantor集,并用它简便计算出2n＋1分Cantor集的Hausdorff测度,给出了此类广义Cantor集Hausdorff测度计算的一种新方法.该方法比其它方法更为初等而易于计算,为计算其它分形集的Hausdorff测度提供了一种思路.     

Koch曲线的Hausdorff测度的估计值的改进

研究了Koch曲线的Hausdorff测度的上、下界的估计,得到两个结论.其一,考虑了一种部分覆盖,利用这个覆盖计算出了Koch曲线的Hausdorff测度的一个新的上界估计值Hs（K）≤14099566×38476s≈0.587847293.其二,导出一个估计式μ（V）≤1.88｜V｜s,并结合质量分布原理得到了Koch曲线的Hausdorff测度的一个更好的下界估计值Hs（K）≥0.531914893.     

Sierpinski块的Hausdorff测度

设V^m为压缩比为1／m(m≥8)的Sierpinski块，Vn为V^m的第n级基本正立方块集合，U为空间点集，U的直径|U|＞0，αn(U)表示Vn中与U相交的基本正立方体的个数。证明了对充分大的n有αn（U）/8^n3^s/s≤|U|^s(s=logm8），从而证明了V^m的s维Hausdorff测度H^s(V^m)=3^s/2。     

一类Cantor型集合交的分形结构

通过对一类Cantor型集合交的结构的分析，获得了不同位置的Cantor型集合交的Hausdorff测度之间的关系，并进一步验证了关于它的维数公式，最的得到了这种交集合的Hausdorff测度的一个较好上界估计。     

区间直觉模糊集相似性测度及其在模式识别中的应用

定义了区间直觉模糊集相似度的概念,并且基于Hamming距离、标准化的Hamming距离、加权的Hamming Euclidean距离、Euclidean距离、标准化的Euclidean距离、加权的Euclidean距离等,定义了一些区间直觉模糊集距离测度.然后,通过把Hamming距离和Euclidean距离以及它们的加权形式与Hausdorff度量相结合,给出了2种组合的区间直觉模糊集距离测度,即基于Hausdorff 度量的加权Hamming距离和基于Hausdorff 度量的加权Euclidean距离,并且研究了它们的性质.最后,基于上述距离测度,给出了区间直觉模糊集相似性测度,并且把它们应用于模式识别领域.     

相似压缩图递归集的Hausdorff维数

本文描述了相似压缩图递归构造及相似压缩图递归集，给出相似压缩递归集的Hausdorff维数及其Hausdorff测度的有关结论。