非Lipschitz系数的倒向半线性随机发展方程的适度解

文中将研究如下的无穷维空间的倒向半线性随机发 展方程x(t)+∫TteA(s-t)f(s,x(s),y(s))ds+∫Tte A(s-t )(g(s,x(s))+y(s))dw(s)=eA(T-t)X,在类似于Ymada条件下获得了该方程适度解的存在性和唯一性定理.     

通过J/Ψ→N(N-)M衰变研究N*时的核子极点效应

研究了J／Ψ→pp^-π衰变过程中核子极点图的贡献，特别是由离壳效应带来的贡献．发现衰变宽度对形状因子是敏感的．在通过用J／Ψ→pp^-π衰变研究N^*时，核子极点图作为背景道的贡献是非常重要的；在通过J／Ψ→pp^-η和pp^-η研究N^*时，核子极点图的贡献可忽略不计；在通过J／Ψ→pp^-ω研究N^*时，核子极点图有明显的贡献．     

适合于应用实验的X射线激光探针

X射线激光实验研究的主要目的是进行相应的应用研究。由于具有波长短、脉冲短、亮度高、相干性好的优点，因此在很多领域有潜在的应用前景。在所有的应用中，利用X射线激光作为探针来诊断等离子体或其他介质材料方面的应用是最普遍的。一般来说，激光探针穿越等离子体或介质后，光束的强度、前进方向、光程都会发生变化。分别检测这些变化，就可以获得等离子体的电子密度或介质折射率的相关信息。这就需要对作为探针的X射线激光的输出特性有深入的了解，并且选择更合适的条件进行优化。采用场图测量的方法，即直接测量X射线激光的输出光束在某一位置处的截面光强分布，能够很好地提供关于X射线激光输出光束的全面的信息，对应用研究具有很好的参考和指导作用。     

图中相互独立的4圈和含4个点的路

设k是一个正整数，G是一个顶点数为|G|=4k的图. 假设σ\-2(G)≥4k-1, 则G有一个支撑子图含k-1个4圈和一条顶点数为4的路，使得所有这些圈和路都是相互独立的. 设G=(V\-1,V \-2;E)是一个二分图使得|V\-1|=|V\-2|=2k. 如果对G中每一对满足x∈V\-1和y∈V\-2的不 相邻的顶点x和y 都有d(x)+d(y)≥2k+1, 则G包含k-1个相互独立的4圈和一条顶点数为4的路，使得所有这些圈和路都是相互独立的，并且此度条件是最好的.     

短脉冲激光尾流场中的前向Raman散射

用212维粒子模拟分析了前向Raman散射对激光尾流场加速电子的影响.前向Raman散射使脉冲长度在传播方向上被拉长，脉冲后沿变陡，产生的尾流场相速度明显减小，而且超热电子的最大动能明显小于理论估计值.此外激光频率整体向低频移动.     

图的边韧性度

文[1]中,定义图G(V,E)的边韧性度定义为min{(|S|+T(G-S))/(ω(G-S)):S?E(G)},这里,T-(G-S)和ω(G-S)分别表示G-S中最大分支的顶点数和连通分支数.这是一个能衡量网络图稳定性较好的参数,因为它不仅考虑到了图G-S的分支数也考虑到了它的阶数.在以前的工作中,作者得到了边韧性度图的一个充要条件.利用这些结果证明了K-树是严格边韧性度图,并找到了边韧性度与较高阶的边坚韧度和边坚韧度之间的关系.     

基于"纵横向拉开档次法"的上市公司经营业绩评价

鉴于目前已具有较全面、完整、连续的有关上市公司各项指标的纵横向数据，为充分利用数据所蕴涵的信息，本文提出运用“纵横向拉开档次”的综合评价方法，其特点是使指标权重的确定能尽量将被评价对象在纵横向拉开档次。将该法运用于安徽地方板块的18家上市公司业绩评价，获得了各公司在1999～2001年间动态发展的分析结果。     

激光水下偏振特性用于目标图像探测

利用激光水下偏振特性获得偏振差分图像(PDI),并运用PDI技术,从理论和实验上对水下目标探测进行了研究.介绍了PDI基本概念和实验系统原理,然后比较分析了不同条件下普通图像与PDI在辨别目标距离及其纹理上的差别和PDI中背景偏振光的影响,得出利用目标和背景偏振光的差异区分二者,从而提高探测距离的结论,并取得了较好的效果.在此基础上提出了通过处理有关PDI偏振参量来进一步辨别目标与背景的设想.     

中国莲的定量染色体图

利用MetaMorph软件定量分析了中国莲(Nelumbo mucifera Gaertn.)每条前中期染色体上(从短臂到长臂)二脒基苯基吲哚(DAPI)荧光强度的变化，结合染色体的相对长度和臂比作为辅助参数，构建了中国莲前中期染色体的定量染色体图．该定量染色体图是实际的前中期染色体的一种直观模式，可识别中国莲基因组中每条染色体以及分析染色体上的异染色质分布，为莲的细胞遗传学研究提供了一种新的方法．     

有向图上的随机游动

设G=(V,Г)是有向图,G上的随机游动X(G)定义如下:位于某个顶点上的一个粒子将以等概率转移到该顶点的所有后继顶点.令M(j,n)表示随机游动X(G)在前n步内访问顶点j的平均次数,用W(j)表示随机游动X(G)到达顶点j所需要的平均步效.我们对M(j,n)和W(j)的值进行了估计,证明了M(j,n)=O(n),并给出了W(j)的上界.