给定度序列图的覆盖成本和反向覆盖成本的研究

具有n个顶点且度序列为(m,2,…,2,1,…,1)(1的重数为m)的连通图不止一个(这些图均为树),而每个树对应唯一一个段序列(l₁,l₂,…,l_m).通过对任意一树移动最长段的悬挂点到最短段悬挂点的方式得到另一树,比较前后两树的覆盖成本和反向覆盖成本,给出了具有最小覆盖成本和反向覆盖成本的极树,并且进一步给出了取得最小覆盖成本和反向覆盖成本的顶点.     

关于两个图的一类新连接图的谱

给定2个图G1和G2，设G1的边集E(G1)={e1,e2,?,em1}，则图G1⊙G2可由一个G1，m1个G2通过在G1对应的每条边外加一个孤立点，新增加的点记为U={u1,u2,?,um1}，将ui分别与第i个G2的所有点以及G1中的边ei的端点相连得到，其中i=?1,2,?,m1。得到：（i）当G1是正则图，G2是正则图或完全二部图时，确定了G1⊙G2的邻接谱（A-谱）。（ii）当G1是正则图，G2是任意图时，给出了G1⊙G2的拉普拉斯谱（L-谱）。（iii）当G1和G2都是正则图时，给出了G1⊙G2的无符号拉普拉斯谱（Q-谱）。作为以上结论的应用，构建了无限多对A-同谱图、L-同谱图和Q-同谱图；同时当G1是正则图时，确定了G1⊙G2支撑树的数量和Kirchhoff指数。     

例谈数学教学中的题组设计

数学教学的重要组成部分:一个是教,一个是学.教就是如何引导学生,激发学生学习的兴趣,将学生的热情和求知欲融入到课堂的学习氛围中;学就是有目的,有方法,有条件的参与探索知识的生成过程,质疑、拓展、应用、归纳、总结提升;无论哪一方面都取决于教师的教学设计如何,更直观地说就是体现在教师的题组设计上.     

基于通用生成函数的惯导部件可靠性建模

惯性导航系统是飞机、导弹等复杂装备的重要部件。准确评估其可靠性是装备使用、保障和遂行作战任务的基础。在分析基于通用生成函数方法构建多状态可靠性模型研究的基础上,设计了一种基于通用生成函数方法的性能相依多状态系统可靠性建模的仿真算法,以某型飞机的惯性导航计算部件为研究对象对模型的正确性进行了验证,并且和基于贝叶斯网络可靠性建模方法进行了比较,结果表明:①设计方法可行与贝叶斯方法可靠性结果一致且计算速度快,其中贝叶斯算法过程约需3.72e-02 s,而基于UGF的算法需要1.8810e-03 s左右;②所建模型可以获得多状态系统性能状态的分布特性。     

红外动态场景生成装置空间分辨率的测试

建立了一套基于刀口灰度图红外探测的实验装置,对红外场景生成器的空间分辨率进行了测试。首先通过被测红外场景生成器产生带有刀口标志的红外图像,然后利用红外热像仪采集红外场景生成器所成的红外图像,通过对采集到的红外热图的数据处理,实现了对红外场景生成器空间分辨率的测量。测得的红外场景生成器的空间分辨率为5lp/mm,标准误差为0.04。     

基于RRT-GPM两阶策略的导弹编队协同突防最优轨迹快速设计

为了提高导弹编队的自主飞行能力,在考虑弹间协同相对运动关系(通信、避碰、探测)和突防硬/软约束的情况下,对弹群的多约束快速轨迹优化问题进行了研究。针对高斯伪谱法初值确定困难和快速搜索随机树法结果曲折不寻优难以满足动力学约束的不足,通过对高斯伪谱法快速性的分析和初值选取方法的研究,提出了快速搜索随机树+高斯伪谱法两阶快速轨迹优化策略,充分利用快速搜索随机树法的全空间搜索能力为高斯伪谱法提供寻优初始值,同时利用高斯伪谱法的快速性和最优性对快速搜索随机树法的结果进行平滑和进一步寻优,从而快速获得最优的弹群飞行轨迹。领-从弹编队飞行模式下的仿真结果表明,两阶策略能够快速获得满足各种约束的弹群最优飞行轨迹,优化时间约为单独高斯伪谱法所需时间的20%左右,很大程度上提高了轨迹优化的快速性和准确性,并且证明了不同约束条件对优化速度和优化结果的影响。     

多孔复合钙铝氧化物的制备、表征及在重整生成油中的脱氯应用

采用低廉的铝盐和钙盐,通过共沉淀法制备了一系列不同CaO含量的CaO-Al₂O₃复合氧化物,并用XRD、TG-DTG、N₂吸附-脱附、SEM等手段对其进行表征。结果表明,制备的复合氧化物两相分布均匀、孔隙率较高、存在较多的介孔和大孔,比表面积也较大。采用动态吸附法将制备出的复合氧化物应用于重整生成油中氯化氢的脱除反应中,结果表明,高比表面积和大孔容的CAO-1具有最佳的HCl脱除效果,当反应温度为55 ℃、液空速为3 h^-1,重整生成油中氯含量小于等于15 ng/μL时,其氯容可达到18%。     

基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

直觉模糊模型检测在工程决策上的应用

将直觉模糊Kripke结构扩展到加权直觉模糊Kripke结构,将直觉模糊计算树逻辑诱导到加权直觉模糊计算树逻辑;研究在此之上的直觉模糊期望测度和多属性工程决策问题。用加权直觉模糊Kripke结构的权值自然地刻画了工程问题中的成本和收益,直觉模糊测度量化工程进展的不确定性,用加权直觉模糊计算树逻辑描述不确定性工程属性约束。给出了基于直觉模糊模型检测的多属性工程寻优算法,并讨论了算法的复杂度。     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类，从而判断焊接质量的等级，对传统卷积神经网络进行改进，提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率，并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响，采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理，并在该数据集上验证模型的有效性。与传统卷积神经网络相比，该模型具有良好的性能，在测试集上准确率达到96.77%，同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。