所有子群皆交换或正规的有限群

本文研究所有子群皆交换或正规的有限群. 我们获得了非幂零的情形的一个特征刻画, 也给出了幂零情形的一些性质.     

基于BEMD、DCT和SVD的混合图像水印算法

水印的不可见性和算法的鲁棒性是图像版权保护领域关注的重要问题，然而大多数算法不能很好地平衡二者的关系。为此，提出了一种基于二维经验模态分解（BEMD）、离散余弦变换（DCT）和奇异值分解（SVD）的不可见性高、鲁棒性强的混合图像水印算法。首先，对水印图像采用Arnold置乱，增强算法的安全性，并对置乱后的水印图像进行二维DCT。然后，对宿主图像进行BEMD，得到有限个尺度不同的内蕴模态函数（IMF）及余量，选择与宿主图像相关性较低的IMF执行二维DCT，根据水印的大小对其进行不重叠分块，分别对每个分块图像以及经DCT的水印图像执行SVD。最后，根据自适应最优嵌入准则确定水印嵌入强度，并将水印嵌入每个分块，以增强算法的容错性。大量实验以及与现有算法的对比表明，所提算法不仅具有抵抗大尺度攻击的鲁棒性，而且具有较高的不可见性。     

关于有限群极大子群的强θ-完备

本文定义了有限群极大子群的强θ-完备这一概念.通过研究极大子群的强θ-完备对群结构的影响,给出了有限群可解性,超可解性,幂零性的一些新刻画,所得结果改进了以往的定理.     

高效选取线性独立的原子特征构建精确机器学习势函数

机器学习势由于具有与第一性原理计算相当的准确性,且低得多的计算成本,在原子模拟中极具前景. 然而原子机器学习势的可靠性、速度和可迁移性在很大程度上取决于原子构型的表示. 适当地选取用作机器学习程序输入的描述符是一个成功的机器学习表示的关键. 本文发展了一种简单有效的方法,可以基于训练数据固有的相关性,从大量待选的描述符中自动选取一组最佳的线性独立原子特征. 通过对几个具有较少冗余线性独立嵌入密度描述符的基准分子构建嵌入原子神经网络势的应用,证明了这种新方法的有效性和准确性. 该算法可以大大简化原子特征的初始选取,并极大地提高原子机器学习势的性能.     

关于CAP-子群的一点注记（英文）

对于有限群G的每一主因子H/K来说,若G的子群L满足LH=LK或者L∩H=L∩K,则称L是G的CAP-子群.本文通过假设G的每个非循环Sylow子群P有一个子群D使得1〈｜D｜〈｜P｜,且P的所有阶为｜D｜和2｜D｜（若P是非交换2-群且｜P∶D｜〉2）的子群H是G的CAP-子群,得到G为p-幂零群的一个结果.     

紧束缚势和修正的嵌入原子势计算液态Sn双体相关函数差异

对500个Sn原子分别用两种模型（紧束缚势和修正的嵌入原子势）计算了400℃~1700℃温度范围内纯Sn的双体相关函数g（r）。将计算结果与实验数据进行了对比分析,发现两种计算结果都能基本上反映液态Sn的结构及其随温度的变化情况：原子最近邻距离与实验结果相近;随着温度降低,双体相关函数第一峰变得尖锐,第二峰变得明朗。修正的嵌入原子势模型得到的双体相关函数的第一峰右侧有个突起的肩膀,这在实验结果中也被发现,而紧束缚势模型得到的双体分布函数肩膀不明显。     

面心立方金属声子色散曲线的数值模拟

把分析型嵌入原子法（AEAM）和晶格动力学理论相结合,在三维布喇菲晶格振动模型的基础上模拟了面心立方金属Au、Ag、Pt、Cu和Ni沿[00ζ]、[0ζζ]、[ζζζ]和[0ζ1]4个对称方向的声子色散曲线.结果表明：模拟曲线与实验点线符合的较好,特别在低频附近二者几乎一致,而在纵波模（L）q=（001）2π/a,q=...     

基于径向基神经网络预测的混沌时间序列嵌入维数估计方法

根据Takens定理,研究了混沌时间序列相空间重构嵌入维数的选取问题.提出了基于径向基函数神经网络预测模型性能的嵌入维数估计方法,即根据嵌入维数与混沌时间序列预测模型性能的变化关系来确定嵌入维数.通过对几种典型混沌动力学系统的数值验证,结果表明该方法能够确定出合适的相空间重构嵌入维数. 关键词： 混沌 相空间重构 嵌入维数 预测     

(λ,μ)-模糊子群的运算

给出了(λ,μ)-模糊子群和正规子群的有关性质,讨论了(λ,μ)-模糊子群的交、积、逆以及余等运算的相关性质。     

具有较少非循环子群共轭类的有限群

设G是有限群,用δ(G)表示群G的非循环子群的共轭类数,πr(G)表示整除|G|的素因子的集合.本文主要研究满足条件δ(G)≤|π(G)|+1的有限群,得到这类群可解,并给出它们的同构分类进一步证明,δ(G)=|π(G)|+2的有限非可解群必同构于A_5或SL(2,5).