区间值模糊集贴近度的构造及应用研究

贴近度是区间值模糊集接近程度的度量,是区间值模糊集常用的一种信息测度.针对区间值模糊集贴近度的构造进行研究,给出4种利用模糊集贴近度构造区间值模糊集贴近度的方法,并分析其性质.同时,利用所提出的构造方法,构建10种区间值模糊集贴近度的计算公式,并探讨区间值模糊集贴近度在模式识别、医疗诊断等领域的应用,并藉此验证构造的区间值模糊集贴近度公式的有效性.     

涉及复代数超曲面的全纯映射正规族

本文研究了涉及固定超曲面的全纯映照的正规性问题。利用Aladro 和Krantz对全纯映射族正规性的刻画和Shirosahi建立的一系列涉及一些特殊复代数超曲面的Picard 型定理,得到了全纯映射族的一些正规定则。     

直击两道反比例函数中考题

<正>反比例函数问题,常含有几何图形背景,解法灵活多样.既要挖掘相应的几何内涵,又须利用函数图像上点满足函数解析式的值相等.现举例加以说明,供参考.一、与等边三角形相关联问题.例1(2014年武汉市)如图1,若双曲线y=k x与边长为5的等边△AOB的边OA、AB分别相交于C、D两点,且OC=3BD,则实数k的值为.     

求一次函数解析式时要注意“陷阱”

<正>一次函数是初中数学的一个重点,求一次函数解析式时,同学们常因为忽视隐含条件、概念模糊、性质理解不透、问题考虑不周等等而误入"陷阱",出现了这样或那样的错误.下面就用年号问题为例来说明,求一次函数的解析式时要注意"陷阱".(一)忽视分类讨论坠入"陷阱"例1已知一次函数y=kx+b(k≠0)的图像与x轴交于A(2015,0)、与y轴交于点B,并且△AOB的面积为4030,求此函数的解析式.     

基本不等式几何探究及应用

一、教材探究(人教A版必修5第111页探究题)在图1中,AB是圆的直径,点C是AB上一点,AC=a,BC=b,过点C作垂直于AB的弦DE,连接AD、BD,你能利用这个图形得出不等式(a+b)/2≥ab(1/2)的几何解释吗?几何解释:如图1,易知△ABD为直角三角形,因为     

利用构造法巧解数学中的最值问题

所谓构造法,就是根据题设条件或结论所具有的特征和性质,构造满足条件或结论的数学对象,并借助该对象来解决数学问题的思想方法.运用构造法解决问题,要充分挖掘题设条件和结论的内在联系,把问题与某个熟知的概念、公式、定理、图形联系起来,进行构造,使问题转化,增强问题的直观性.     

“微话题”探讨,促进教与学的和谐发展——以“邻补角与对顶角”为例

微话题一般指小的讨论的主题.笔者在初中数学中引入微话题是对学习资源的开发和利用,围绕学习目标的达成,选择契合的微话题.微话题探讨式学习简单来说就是师生围绕微话题进行探讨,教师多听少说,在学生充分探讨的基础上,通过追问等方式参与探讨,进行相机引导,尊重学生的认知起点,强调从学生已有的知识经验和认知规律出发,引导学生再发现进行自主建构,从而促进教与学的和谐发展.本文以人教版七年级上册“邻补角与对顶角”为例谈谈如何以“微话题探讨式     

二次函数中最值问题的求解

<正>与最大值和最小值有关的问题,或极大和极小的问题一直是中考的热点问题,下面就北京近几年的中考和模拟考试中以二次函数图像为背景的几个试题作一阐释.例1如图1,已知抛物线y=x2+bx+c与x轴交于A、B两点,AB=2,与y轴交于点C,对称轴为直线x=2.(1)求抛物线的表达式.(2)设P为对称轴上一动点,求△APC周长的最小值.     

针对限制幅值磁共振脉冲的优化设计

在磁共振脉冲优化领域,优化脉冲普遍存在幅值过大的问题,这极大地限制了优化脉冲的使用范围。为了限制优化脉冲的幅值,扩大其应用范围,提出了一种基于L-BFGS-B数值算法的脉冲优化设计方法。首先基于Liouville-von Neuman方程,使用最优控制思想构建优化模型;然后使用L-BFGS-B算法,在限制幅值的条件下对优化模型进行数值迭代求解;最后以脉冲的激发效率以及激发轮廓的均匀性作为衡量优化脉冲优劣的标准对该方法进行仿真和实验验证。结果表明,采用该方法获得的优化脉冲在幅值被限制的前提下,仍能获得较传统磁共振脉冲更好的共振激发效果,进而增强信号的灵敏度,提高图像的质量。     

多值测试诊断策略优化设计

针对电子系统中多值测试条件下的测试排序问题,提出了一种诊断策略优化方法。首先,以相关性矩阵模型为基础,将已有的二值测试的优化算法同多值测试问题相结合,提出了适用于多值测试的基于霍夫曼编码的启发式函数;其次,将平均测试代价最小和平均测试步骤最少作为优化目标,采用与或树启发式搜索算法生成诊断树,得到多值测试的诊断策略,并给出了诊断策略优化方法的具体实现步骤;最后,将其应用到航空设备的实例中。结果表明提出的基于霍夫曼编码的与或树启发式搜索算法是可行的,其生成的诊断树是最优的,比基于信息熵的与或树启发式搜索算法具有更小的平均测试代价和更少的平均测试步骤。