用测地距离的基本解方法求解非齐次各向异性热传导方程

近年来,径向基函数类方法数值求解偏微分方程问题越来越受欢迎．借此提出了一种求解非齐次各向异性热传导方程的基于测地距离的基本解方法,该方法属于径向基函数类方法,它无需进行变量变换,也无需计算奇异积分．用截断奇异值分解（TSVD）求解病态线性方程组．后面的数值例子将验证这种方法的稳定性和有效性．     

基于测地距离的基本解方法求解非齐次各向异性IHCP问题

提出了一种求解非齐次各向异性热传导方程一类反问题IHCP（inverse heat conduction problem）的无网格方法,该方法通过借助基于测地距离的Multiquadric（MQ）作为基函数得到整个时间空间区域上的一个近似特解,然后用基于测地距离的基本解方法直接在整个时间空间区域上对相应的齐次问题进行求解．用截断奇异值分解（TSVD）法求解所得病态线性方程组,用L-曲线准则确定正则化参数．用数值例子验证了该方法的有效性,并分析了数值解的精度与参数T、c的关系．     

基本解方法求解各向异性材料中热传导方程的时间反向问题

最近,HON和WEI给出了求解各向同性热传导反问题的基本解方法．该方法提供了一种在整个时间空间区域上的行之有效的数值格式．本文尝试将该无网格方法推广应用于求解各向异性材料中热传导方程的时间反向问题．首先,通过变量转换得到该问题的控制方程的基本解．接着,应用截断奇异值分解和L-曲线准则求解所得的高度病态的线性方程组．最后给出几个数值例子展示本方法的有效性,并分析了解的精度跟参数T、最终时刻的关系．     

广义基本解方法求解一维非齐次热传导方程的反边界值问题

给出一种求解一维非齐次热传导方程反边界值问题的无网格方法,即广义基本解方法．该方法将问题的解分成特解和相应齐次问题的解两个部分：齐次解用基本解方法求解,而特解则是利用相应的特征方程的基本解近似得到．鉴于所考虑问题的不适定性,应用截断奇异值分解和L曲线准则求解离散后得到的高度病态的线性方程组．最后给出数值例子说明该方法的稳定性和有效性,并分析了数值解精度与各参数之间的关系．     

弹性长条的周期裂缝问题

讨论了各向同性和各向异性弹性长条的周期裂缝问题，给出了这类问题的正确提法和一般解法．将寻求复应力函数的问题归结为求解某种正则型奇异积分方程，证明了适当且唯一地选择一些待定常数的值后方程是可解的．解虽不唯一但在一条边上仅差一复常数．     

各向异性误差模型高精度求解基础矩阵算法

对极几何,又称基础矩阵（fundamental matrix）是描述左右两幅重叠图像的一个几何不变量．传统求解基础矩阵的方法忽略或简化了数据不确定性对数据的影响,导致解的精度低、误差大．本文首先将求解问题统一到参数估计中,接着利用各向异性误差模型对数据不确定性进行了准确描述．最后推导出它在非线性函数中的扩散．该过程减少了数据不确定性对解的影响,提高了解的精度．此外,根据测量值函数的常数项特性现象,结合奇异性消除,避免了求解过程中的数值不稳定性,降低了求解的误差．实验数据验证了本文方法的正确性和可行性．     

基于Haar变换的冗余函数和线性函数的检测

给出了归一化Haar变换矩阵元的通式,讨论了归一化Haar变换谱系数与冗余函数和线性函数的关系．在此基础上提出了基于归一化Haar变换的检测冗余函数和线性函数的谱方法．该方法的主要优点是可以同时检测其他特殊逻辑函数以及易于计算机编程操作．     

均匀非周期B样条曲线的快速计算

研究了B样条曲线基函数在整个节点矢量区域的分布,然后分析了基函数在各节点矢量区域的变换规律，最后得到了均匀非周期B样条曲线基函数的快速求解，该算法比传统算法速度快，简单易实现。     

Hulthen势与谱生成代数

本文将Hulthen势场中的S波径向方程作适当的变量变换、使其可用so(2.1)李代数求解;进而通过倾斜变换引入附加参数ω以改善解的收敛性,并给出了迭代求解的全部计算公式。     

Burgers方程新的多孤波解

在Backlund变换的基础上,通过改进准解的求解方法,给出了Burgers方程一批新的多孤波解．     

各向异性接合材料界面端部场数值分析

为了求解各向异性接合材料界面端部奇异性应力场,建立了一种新型杂交元模型.该模型的独特之处在于:基于有限元特征法得到的奇异性场数值特征解建立了一种新型界面端奇异单元.通过算例证明,新型杂交元模型能够利用较少的单元数获得较为精确的数值结果.当前模型应用范围广泛,能够用于复杂结构的界面端部场求解.     

矢引力子场论中无旋转不带电球体外时空中的类时测地运动

本文研究了矢引力子场论中无旋转不带电球体外时空中的类时测地运动,得到了测地线方程的解析解,并与 Schwarzschild 时空中的测地运动作了比较。     

k-means-RBF集成神经网络在工业尾气检测中的应用

神经网络是工业尾气检测系统的一个重要组成部分. 为提高神经网络的预测精度和收敛速度, 建立k-means-RBF集成神经网络模型. 首先, 通过选取不同的径向基函数神经网络参数, 得到一组RBF神经网络; 然后, 利用k-means算法对生成的RBF神经网络进行聚类, 并筛选出各类中精度较高的神经网络; 最后, 通过简单平均法对筛选出的神经网络进行集成, 得到高性能的k-means-RBF集成神经网络模型. 为验证模型有效性, 搭建基于k-means-RBF集成神经网络模型的工业尾气检测系统进行验证. 结果表明, 与粒子群算法优化后的Back Propagation (PSO-BP)神经网络模型相比, k-means-RBF集成神经网络模型的平均预测精度提高78.27%, 收敛时间节省99.65%     

S3到CP3中的等变极小浸入

研究常曲率的3维球面S3=SU(2)到复射影空间CP3中的等变极小浸入,证明了这种浸入不存在介于CR和Lagrangian之间的浸入,只能是Lagrangian浸入,从而是全测地的.     

广义抽象距离空间的度量方程

来自工程和科学研究领域的许多问题,最终都需要求解几何约束问题.距离几何中的各种度量方程为解决涉及几何度量的几何约束问题提供了数学基础,同时是研究正定和非正定距离几何的基础内容和基本工具.通过提出广义抽象距离空间的概念,消除抽象距离空间距离矩阵对称的这一限制条件,建立了广义抽象距离空间的秩的基本定理,作为建立在欧氏空间和非欧空间中的广义抽象距离空间的度量基础,给出了几个具体的有限齐秩广义抽象距离空间的广义度量方程.利用这些广义度量方程,为求解更为复杂的几何约束问题提供了所必需的各种代数方程.     

轮廓匹配方法改进及其在转子中的应用

汽车发动机转子装配误差容易造成零件磨损和效率降低. 针对转子零件装配精度要求, 提出一种基于轮廓与特征点结合的轮廓匹配方法. 首先对转子图像进行滤波、二值化预处理; 其次提取轮廓并利用轮廓Hu矩方法进行轮廓粗匹配; 然后提取特征点, 并在以特征点为中心、半径为16像素的圆形区域内生成4个特征描述子作为匹配特征, 利用欧氏距离进行特征点匹配; 最后通过找到的匹配对计算仿射变换矩阵, 得到精匹配结果. 实验结果表明, 该方法在背景复杂、光照变化的条件下能够较精确地匹配轮廓, 保证匹配精度在1像素内, 且生成的特征描述子对数越多, 匹配结果越精确.     

特征奇异积分方程的直接解法

通过引进基本特征方程和摹本化算子，研究厂带解析系数函数和核密度函数的特征奇异积分方程的直接解法，给山其可解的充要条件和解的封闭形式，本文采用的方法，不同于经典的边值问题解法，特征奇异积分方程无须化为等价的边值问题而实观真正意义上的直接求解。