几类高阶微分方程解的复振荡

本文研究了几类高阶线性微分方程解的增长性,零点,以及构成基础解的一组线形无关解的乘积的增长性.得到了5个定理,推广了陈宗煊,S.Bank和J.Langley给出的结果.     

海量数据导入与导出MATLAB的有效方法

本文结合实例介绍了几种将海量统计数据快速、准确地导入与导出MATLAB系统的方法。克服了以往在编程窗口直接键入原始数据进行处理的诸多问题,因此对保证统计分析结果的准确性与加速MATLAB在统计分析领域的应用有着很重要的意义。     

使用色散可调啁啾光纤光栅在常规单模光纤中实现超过100km,10Gb/s的转输 *

报道了用简单的应力方法使均匀光栅成为线性啁啾光纤光栅的技术 ,并推导出了相应理论 ,发现最大色散补偿带宽与色散的乘积近似为常数 .在常规单模光纤G652,10Gb/s系统中实现超过100km的色散补偿 .     

基于FODA方法的数控系统领域分析

从领域系统族的角度开发数控系统,有助于克服在数控应用工程中存在的大量重复开发、开发效率低下等问题。数控领域分析是实施领域工程的关键基础,决定了设计和开发的质量。通过领域分析建立了数控系统族的共用领域需求模型,对于应用系统开发时实现可复用模型的定制具有重要作用。     

银河杜仲沼液种植3层目标轮换6级储存网络系统设计

由农村沼气工程引起的规模养殖沼液二次污染问题是当前农村环境污染治理的重点问题,也是牵制农业产业化发展,影响中国特色农业现代化道路的关键矛盾。运用最大流和最小饱和流理论,以消除江西银河杜仲绿色规模养殖基地的二次污染为研究对象,对沼液输送浇灌净化工艺流程进行了3层6级储存网络设计分析,给出了解决规模养殖沼液二次污染矛盾,实现沼液零污染最小排量问题的有效方法。     

癌基因MDM2阻断剂的分子结构的NMR研究

根据P53-MDM2复合物晶体结构,设计合成了非肽类小分子作为MDM2的阻断剂.利用超导核磁共振波谱仪,测定了化合物的¹H谱、¹³C谱、¹H-¹H COSY谱、HMQC和HMBC谱,确定了化合物的结构,归属了化合物的¹H、¹³C化学位移,为筛选抗癌活性化合物提供了理论依据.     

关于温度梯度与Higgins-Rijke型热声现象的研究

从声通量的观念阐明Higgins-Rijke管的热声现象机理。由于热源处的温度梯度、管内驻波场的质点振速和脉动压力之间的相位差偏离90°,因此有声通量。流出和流入热源区的声通量之差为正值时,该热源区是声源;若声通量之差为负值,则是声壑。用本模型不仅合理地解释了热源位置在管中的重要性,也较好地解释了Higgins-Rijke管中的其他各种现象。     

AAO模板上定向碳纳米棒阵列膜的摩擦学性能

采用两步阳极氧化法在铝基体上制备多孔阳极氧化铝(AAO)模板,然后在其上有序纳米孔中电化学沉积过渡金属Co作为催化剂,通过催化化学气相沉积法(CCVD法)制备出有序、均匀的定向碳纳米棒阵列膜;采用激光Raman光谱仪及场发射扫描电镜(SEM)等方法分析定向碳纳米棒阵列膜的微观结构,     

Pulse source-system model and its amplitude versus frequency characteristics

I.IntroductionForlongtime,itisoneofveryimportantquestionsinbiomcchanicscirc1estosetupady-namicsmode10fhumancardioscularsystemI'-'1.Peop1ehaveexpectedtostudythecomp1cxcardioscu1arsystemfromtheviewofthesy5temtheoryandtheinformati0ntheory.Wea1sopayattentiontothetheory0fTraditi0nalChinescMedicine(TCM)anditsc1inicalexperience.Thepulseisdrivenbytheheartandtransmittedbyb10odflowthrougharteries.ItgOesa1ongwayfarfromtheheart,andarrivesattheradia1artery.Thusitisaffectedbynoton1ythecon-ditionofthehe…     

利用带无标签数据的双支持向量机对恒星光谱分类

恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。随着观测设备持续运行和不断改进,人类获得的光谱数量与日俱增。这些海量光谱为人工处理带来了极大挑战。鉴于此,研究人员开始关注数据挖掘算法,并尝试对这些光谱进行数据挖掘。近年来,神经网络、自组织映射、关联规则等数据挖掘方法广泛应用于恒星光谱分类。在这些方法中,支持向量机(SVM)以其强大的学习能力和高效的分类性能而备受推崇。SVM的基本思想是试图在两类样本之间找到一个最优分类面将两类分开。SVM在求解时,通过将其最优化问题转化为具有(QP)形式的凸问题,进而得到全局最优解。尽管该方法在实际应用中表现优良,但为了进一步提高其分类能力,有的学者提出双支持向量机(TSVM)。该方法通过构造两个非平行的分类面将两类分开,每一类靠近某个分类面,而远离另一个分类面。TSVM的计算效率较之传统SVM提高近4倍,因此,自TSVM提出后便受到研究人员的持续关注,并出现若干改进算法。在恒星光谱分类中,一般分类算法都是根据历史观测光谱来建立分类模型,其中最关键的是对光谱进行人工标注,这项工作极为繁琐,且容易犯错。如何利用已标记的光谱以及部分无标签的光谱来建立分类模型显得尤为重要。因此,提出带无标签数据的双支持向量机(TSVMUD)用以实现对恒星光谱智能分类的目的。该方法首先将光谱分为训练数据集和测试数据集两部分;然后,在训练集上进行学习,得到分类依据;最后利用分类依据对测试集上的光谱进行验证。继承了双支持向量机的优势,更重要的是,在训练集上学习分类模型过程中,不仅考虑有标记的训练样本,也考虑部分未标记的样本。一方面提高了学习效率,另一方面得到更优的分类模型。在SDSS DR8恒星光谱数据集上的比较实验表明,与支持向量机SVM、双支持向量机TSVM以及K近邻(KNN)等传统分类方法相比,带无标签数据的双支持向量机TSVMUD具有更优的分类能力。然而,该方法亦存在一定的局限性,其中一大难题是其无法处理海量光谱数据。该工作将借鉴海量数据随机采样思想,利用大数据处理技术,来对所提方法在大数据环境下的适应性展开进一步研究。