谱半径等于极大行和矩阵范数的矩阵的刻画北大核心CSCD

1 引言与符号 本文中恒用Ⅳ表示前面几个正整数的集合;用Mn（C）表示复数域C上所有n阶复矩阵的集合;用I表示适当阶的单位矩阵．     

基于蚁群系统和2-opt方法求解同时送取货车辆路径VRPSPD问题

研究了一般意义下同时送取货的车辆路径VRPSPD问题,建立VRPSPD的整数规划模型.考虑到VRPSPD车辆不断变化的负载量,使得问题难以求解,设计了一种将蚁群系统(ACS)与2-opt方法相结合的启发式算法.通过在蚁群系统(ACS)中引入候选集合的策略,将启发因子设为目标函数值,同时利用2-opt算法的思想得到适用于VRPSPD的2-opt方法,使得设计的启发式算法对于求解VRPSPD是有效的.最后,实例运算的结果也证明了算法是一种较好的算法,能够得到满意的解.     

基于三维荧光光谱法和PARAFAC对多环芳烃定性定量分析

三维荧光光谱法在研究多环芳烃(PAHs)类物质的荧光信息时起到了重要作用。多环芳烃类物质具有致癌性,难降解性,多由尾气排放,垃圾焚烧产生,危害着人类健康及环境,因此人们不断探索对多环芳烃检测的方法。实验选取多环芳烃中的苊和萘作为检测物质,利用FLS920荧光光谱仪,为避免荧光光谱仪本身产生的瑞利散射影响,设置起始的发射波长滞后激发波长40 nm,设置扫描的激发波长(λex)范围为:200~370 nm,发射波长(λem)范围为:240~390 nm,对多环芳烃进行荧光扫描获取荧光数据,采用三维荧光光谱技术结合平行因子算法对混合溶液中的苊和萘进行定性定量分析。实验选用的苊和萘均购于阿拉丁试剂官网,配制浓度为10 mg·L-1的一级储备液,再将一级储备液稀释,得到苊和萘浓度为0.5,1,1.5,2,2.5,3,3.5,4和4.5 mg·L-1的二级储备液,并将苊和萘进行混合。在进行光谱分析前需要对苊和萘的光谱进行预处理,采用空白扣除法扣除拉曼散射的影响,并采用集合经验模态分解(EEMD)消除干扰噪声。实验测得苊存在两个波峰,位于λex=298 nm,λem=324/338 nm处,萘存在一个波峰,位于λex=280 nm,λem=322 nm处。选用的PARAFAC算法对组分数的的选择很敏感,因此采用核一致诊断法预估组分数,估计值2和3的核一致值都在60%以上,分别对混合样品进行了2因子和3因子的PARAFAC分解,将分解后得到的激发发射光谱数据和各组分浓度数据进行归一化处理,并绘制光谱图,与归一化处理后的真实的激发发射光谱图和各组分浓度图进行对比。同时将PARAFAC得到的混合样本的预测浓度,通过计算回收率(R)和均方根误差(RMSEP)来判定定量分析的准确度。选择2因子时,各混合样品中苊和萘拟合度为95.7%和96.7%,平均回收率分别为101.8%和98.9%,均方根误差分别为0.0187和0.0316;选择3因子时,各混合样品中苊和萘拟合度为95.3%和95.8%,平均回收率分别为97%和102.5%,均方根误差分别为0.033和0.116,由三项指标可得选用2因子进行定性定量分析的效果明显好于选用3因子。分析实验结果表明,基于三维荧光光谱法和PARAFAC算法对混合样品进行定性定量分析,能够有效的判定混合样品的类别,同时能够成功的预测出混合样品的浓度。     

基于全变分最小化和快速一阶方法的低剂量CT有序子集图像重建

低剂量计算机断层成像(computed tomography,CT)具有减少X射线对患者的伤害的优势.本文主要针对从不完备投影数据重建出高质量低剂量CT图像的问题.通常,这个问题可以通过统计图像重建方法来实现,而统计重建算法需要非常多的迭代次数,导致了巨大的计算时间压力,以至于很难应用在实践中.为解决此问题,本文提出一种有序子集重建算法,该算法结合了全变分最小化和快速一阶方法以减少重建的迭代次数,采用Split Bregman交替方向法求解上述优化问题,利用投影到凸集合的方法加快迭代的收敛速率.实验结果表明,在同样的迭代次数下,本文提出的方法与基于有序子集的一阶方法相比较,相对重建误差的下降速度更快.     

函数内P-集合的副集及其区间生成规律

基于函数P-集合(S~F,S~F)的动态性、规律性,提出函数内P-集合的副集,给出函数内P-集合副集的区间生成结构、区间生成规律,给出内P-规律ω~F的区间拆分规律及其拆分度量,解决了函数内P-集合S~F状态规律受游弋于S~F边缘的元素(函数内P-集合的副集中的函数)的干扰,而呈现出来的动态规律(区间拆分规律)以及动态变化程度(拆分度量)的刻画等问题.最后以实例分析函数内P-集合副集及其区间生成规律在风险投资中的应用.     

改进的TOPSIS决策方法在供应商选择中的应用

运用马氏距离替代欧式距离改进传统的TOPSIS方法,解决当属性间存在线性相关时欧式距离失效的缺陷;充分考虑对立集合并引入联系向量距离,解决可能存在的方案距离正理想解和负理想解距离都近的缺陷.然后通过决策者偏好系数将马氏距离和联系向量距离所得结果合成新的相对贴近度,从而同时克服传统TOPSIS方法的以上两个缺陷.最后通过供应商选择的实例来验证方法的有效性.     

统计自相似集和测度的概率特征

证明了统计自相似集和测度是由一族独立同分布的随机压缩算子｛fσ,σ∈D｝所构成的随机递归集和它的分布．此处fσ是概率空间（Ω,F,P）到con（E）的随机元,con（E）是完备可分距离空间E到E的压缩算子全体．     

可拓概率空间讨论

本文提出了Ⅰ型和Ⅱ型可拓概率空间两个概念,并讨论了它们的一般性质     

浅海声速剖面与移动声源的跟踪定位

在水平非均匀分布的浅海环境中,针对移动声源跟踪时,声速剖面的变化会对声场产生影响,提出了一种利用集合卡尔曼滤波算法的声速剖面跟踪反演和移动声源跟踪定位的方法。首先,将声速剖面进行距离和深度的参数化表示,从而将对声速剖面的跟踪转化为对声速剖面前3阶经验正交函数系数的跟踪;其次,通过将声源状态信息和声速剖面信息表示为状态变量,而将垂直线列阵接收到的声场信息作为测量值建立状态-测量模型,然后利用集合卡尔曼滤波方法对模型状态变量进行跟踪。仿真结果得出:声速剖面跟踪反演的均方根误差和移动声源跟踪定位的绝对误差都非常小,对声源的跟踪定位精度很高。并且通过增加集合样本数、增加接收信号信噪比以及增加接收阵元数目都可以提高跟踪定位结果精度。最后,利用东海实验数据对本方法进行了验证。