急性脑梗死患者脑微出血的发病情况及其危险因素分析

目的探讨急性脑梗死患者脑微出血的发病情况及其危险因素。方法选择急性脑梗死患者75例,男51例,女24例,年龄42～83（64.9±10.8）岁。行头颅CT、磁敏感成像（SWI）检查,依据脑微出血检出的结果分成阳性组（23例）与阴性组（52例）,比较两组的一般资料,探讨脑微出血发病的危险因素。结果SWI检查的检出率比CT检出率高（χ2=27.17,P＜0.05）。阳性组年龄、高血压病、糖尿病患病率均较阴性组高,差异均有统计学意义（均P＜0.05）;两组性别、血脂异常、心房颤动、冠心病、吸烟、饮酒情况比较,差异均无统计学意义（均P＞0.05）。logistic回归分析显示年龄增长、高血压病是脑微出血的独立危险因素（P＜0.05）。结论急性脑梗死患者合并存在脑微出血的比例高,SWI检查是检测脑微出血的敏感方法,年龄大、高血压病与脑微出血的发生密切相关。     

行$\tilde\rho$-混合随机变量阵列加权和的完全收敛性[英文]

本文研究随机变量阵列加权和的完全收敛性问题,我们获得行~ρ-混合随机变量阵列加权和的一个完全收敛性定理. 通过这个定理可以获得一系列结果. 我们所得结果推广 了Baum和Katz(1965), Peligrad和Gut(1999)所得的结果.     

一种拟Grünwald插值算子的加权Lp收敛速度

给出了以第二类Chebyrshev多项式的零点为插值结点组的一种拟Grünwald插值多项式在加权Lp范数下收敛速度的一个估计,并证明了其在弱渐近阶的意义下是精确的.这个结论说明了拟Grünwald插值算子在加权Lp意义下是收敛算子列.     

Littlewood-Paley算子交换子在加权Herz型Hardy空间上的有界性

研究了Littlewood-Paley算子交换子gψ,b在加权Herz型Hardy空间上的性质,并证明了gψ,b在某些条件下是HKa,pq(ω1,ω2)到Ka,pq(ω1,ω2)和HKa,pq(ω1,ω2)到WKa,pq(ω1,ω2)上的有界算子.     

基于包容性检验的江苏省第三产业从业人数组合预测

利用包容性检验对6种单项预测方法进行分析,根据各单项模型的预测精度优劣进行排序,逐步进行包容性检验和组合,经过包容性检验后得到的单项模型进行最优加权组合.利用以上方法和1990-2013年江苏省第三产业从业人数数据,建立了组合预测模型,得到相对误差不超过1%的江苏省"十三五"期间第三产业人数预测值.     

加权Bloch型空间上的广义复合算子

研究了加权Bloch型空间上的广义复合算子的有界性和紧性,得到了刻画该算子为有界和紧的一些充分必要条件.     

加权流形上加权p-Laplace特征值问题的第一特征值下界估计

本文研究了加权流形上加权p-Laplacian特征值问题的第一特征值下界估计的问题.利用余面积公式、Cavalieri原理以及Federer-Fleming定理,获得了由Cheeger常数或等周常数确定的第一特征值的下界估计.     

Meyer-K(o)nig-Zeller 算子加权逼近的收敛阶

利用加权Ditzin-Totik 光滑模ω2φλ(f;t)w,借助Peetre K-泛函研究了Meyer-K(o)nig-Zeller算子,给出其特征刻画.     

基于改进的主成分分析法宽带光谱反射率重建

为了降低光谱反射率重建设备的复杂度和成本并且在宽带光谱上进行更高精度的反射率重建,采用宽带多光谱成像的方法,将投影仪的红、绿、蓝三色光作为光源,用彩色数码相机对光谱图像进行采样。在主成分分析法的基础上引入加权系数,以及误差校正函数,利用改进后的方法重建色卡、染色纸张、油画表面的反射率。选取表征反射率重建精度的均方根误差、拟合度系数、光谱匹配偏度指数3个指标,对所提方法与主成分分析法和加权伪逆法的重建结果进行对比,结果表明：所提方法的重建精度较主成分分析法提高了约45%,较加权伪逆法提高了约30%;由所提方法计算的反射率重建的颜色色差值也优于后两者。     

基于SG-CARS-IBP的圣女果可溶性固形物可见/近红外光谱无损检测

圣女果可溶性固形物(SSC)含量对圣女果内部品质影响至关重要,但基于高光谱成像及介电性质特征的SSC检测技术存在局限性,且目前鲜见圣女果SSC无损检测模型。为实现圣女果SSC的无损检测,提出基于圣女果可见/近红外光谱特征的SCC预测模型构建,及改进的BP神经网络算法研究,以期解决圣女果内部品质的快速无损检测。以圣女果为研究对象,试验样本188个,将其划分为训练集150个和测试集38个,采用可见/近红外光谱采集系统获取350～1 000 nm范围内的圣女果表面反射强度,经光谱校正得样本反射率,为增强信噪比,截取481.15～800.03 nm范围内的光谱波段作为有效波段进行分析。通过对比三种预处理模型,对有效波段进行SG平滑(Savitzky-Golay Smoothing)预处理,建立BP神经网络预测模型,测试集决定系数(R²)和均方根误差(RMSE)分别为0.578 5和0.563 9;在此基础上,对BP神经网络的网络结构进行改进,寻求BP神经网络最优预测结构,计算输出层与期望值间误差,调整网络结构参数,将隐含层学习率和神经元个数分别设置为0.01和5,建立改进...