周期函數奇異性檢測論文（奇函數周期性公式證明）
本文目錄一覽：
李仲飛的部分國際期刊論文
李仲飛教授的研究領域涉及金融工程、金融經濟學、風險管理。至今已在國內外刊物上發表論文85篇，其中國外24篇，被SCI收錄15篇，被EI收錄9篇，被ISTP收錄5篇，被SCI來源論文引用57次以上、單篇最高被引18次。出版專著2部，在海外主編出版論文集1部。
李仲飛在學術領域取得了顯著的成就，獲得了多項重要獎勵。在2011年，他獲得了廣東省哲學社會科學優秀成果二等獎，且在這一成果中排名第一。在2009年，他榮獲廣東省哲學社會科學優秀成果一等獎，同樣以第一作者的身份參與。
運籌與模糊學這本學術期刊的主編是許跟起教授，他來自天津大學。副主編陣容包括李慶國教授（湖南大學），胡寶清教授（武漢大學），以及方小春教授（同濟大學）等多位知名學者。編委會成員涵蓋了眾多頂尖高校的專家學者，如楊炳儒教授（北京科技大學）、鄧何普教授（墨爾本皇家理工大學）等。
什么是奇異譜分析方法?
1、奇異譜方法( SSA) 是一種特別適合于研究周期振蕩行為的分析方法， 它是從時間序列的動力重構出發， 并與經驗正交函數相聯系的一種統計技術， 是EOF分解的一特殊應用。分解的空間結構與時間尺度密切相關， 可以較好地從含噪聲的有限尺度時間序列中提取信息， 目前已應用于多種時間序列的分析中。
2、奇異譜分析（SSA）通過構造軌跡矩陣并對其進行分解與重構，以提取原始時間序列中的不同成分，如長期趨勢、周期性信號以及噪聲。該方法在時間序列分析領域具有廣泛的應用，特別是對于復雜信號的分解與理解。下面是SSA算法的關鍵步驟及其邏輯解釋。
3、MATLAB中的SSA奇異譜分析是一種強大的工具，用于非線性時間序列數據的處理和信號分解。該算法通過對時間序列構造特定矩陣進行奇異值分解（SVD），分離出趨勢、振蕩和噪聲成分。分解流程包括：首先構建協方差矩陣，如通過Toeplitz法和trajectory法計算。
4、為剔除有色噪聲并提取可靠信號，我們采用多通道奇異譜分析（M-SSA）方法（Rangelova et al.， 2010，2012； Walwer et al.， 2016； Bao et al.，2017），融合這兩種數據源來識別短期異常并評估質量變化的定量情況。
動態圖上的異常檢測文獻綜述(2015)
寫文獻綜述可以采用“填充法”，簡而言之就是畫導圖、列框架、不斷細化內容。具體如下： 01 一個主題 即確定論文選題，圍繞這個選題查找、閱讀、挖掘文獻信息 02 一個導圖(思維導圖) 圍繞論文選題，在閱讀文獻的基礎上，列一個文獻綜述的大綱，再按照大綱一步步把內容填充進去。
單細胞研究|| 利用 Illumina®；技術的近期單細胞研究文獻綜述(應用篇一) 主要介紹單細胞技術在癌癥、宏基因組學、干細胞、發育生物學、免疫學、神經生物學方面的應用。
馬如云近五年的主要論著
1、馬如云在近五年內的主要研究成就主要集中在多個數學領域，其中包括：2011年，他在"；Boundary Value Probl. & Nonlinear Analysis"；發表了關于正解存在的論文，探討了Green函數和周期問題（"；Existence of Positive Solutions"；）。