大口径高光学均匀性磁旋光玻璃研制成功

由中国科学院西安光机所承担研制的“大口径高光学均匀性磁旋光玻璃研制”项目日前通过专家鉴定．专家表示，该成果填补了国内空白，主要技术指标达到国际先进水平．同时建议进一步加强该项目的应用推广，力争研制更大尺寸的磁旋光玻璃，以满足我国科研工作和国家经济建设事业的需要．     

TWO-POINT BOUNDARY VALUE PROBLEM FOR A CLASS OF SECOND-ORDER DIFFERENCE EQUATIONS

In this paper, we apply a critical point theorem and obtain the condition for the existence of three solutions to two-point boundary value problem of a second order nonlinear difference equation.     

解析函数的p叶性条件

本文指出 Ｍ．Ｊａｈａｎｇｉｒｉ的评论［Ｍａｔｈｅｍａｔｉｃａｌ Ｒｅｖｉｅｗｓ　９８ｅ：３００２０］错误，并且导出解析函数ｐ叶星形性与ｐ叶凸性的某些充分条件．     

完全非线性偏微分方程解的Gevrey微局部正则性

本文中，我们首先简要回顾了Gevrey类中的仿微分运算，然后考察了相关的完全非线性偏微分方程的象征的一些性质。作为应用，我们得到解在椭圆点附近的Gevrey微局部正则性。     

系数变号的半线性椭圆方程的正解

本文研究半线性椭圆方程Dirichlet问题-△u=α（x）f(u），x∈Ω， u（x）=0，x∈ЭΩ，正解的存在性，其中Ω为R^n中有界的带光滑边界的区域，α(x)可以变号。     

方程w"-w+f(t,w)=O的Dirichlet边值问题的正解存在性与多解性

考察了下列常微分方程的Dirichlet边值问题的正解[w″(t)-w(t) f(t,w(t))=0,0≤t≤1 w(0)=w(1)=0建立了n正解的存在性，其中n是一个任意的自然数。     

一类半线性方程Dirichlet问题

本文利用概率方法证明了如下的Dirichlet问题的解的存在性：{－（△/2＋μ）u f(u)=v，在D中，其中D是R^d中的一个有界规则区域，μ和v是属于广义Kato类的符号测度，f是R^1上的连续可微函数连g↓eD上的一个连续函数。     

第三种波粒二象性的揭示及其实验验证

简单回顾了Einstein 1905年揭示的第一种波粒二象性（光的波粒二象性）与de Broglie 1923年揭示的第二种波粒二象性（实物粒子的波粒二象性）及其实验验证过程，指出了这两种波粒二象性的本质差别，分析了波粒二象性的逻辑体系并指出：只要把Gan1995年揭示的“经典（电磁）场在结构上的颗粒性”当作“第三种波粒二象性”就能构成“三种波粒二象性”的完美组合，利用“波粒二象性的相变假说”还可以把这“三种波粒二象性”和谐地统一起来。借助于经典条件下光的经典理论与量子理论究竟哪一个更为精确的实验判决（见《光散射学报》）2006年第1期第75．79页《Lorentz-Compton佯谬与一个双赢判决性散射实验设计》）还可以完成“第三种波粒二象性”和“波粒二象性的相变假说”的实验验证。     

重写系统和的合流性

在实际应用中,常常使用多个重写系统。本文主要讨论重写系统和的合流性,并给出了一个重写系统和具有合流性的充分条件。     

Speech emotion recognition based on statistical pitch model

A modified Parzen-window method, which keep high resolution in low frequencies and keep smoothness in high frequencies, is proposed to obtain statistical model. Then, a gender classification method utilizing the statistical model is proposed, which have a 98% accuracy of gender classification while long sentence is dealt with. By separation the male voice and female voice, the mean and standard deviation of speech training samples with different emotion are used to create the corresponding emotion models. Then the Bhattacharyya distance between the test sample and statistical models of pitch, are utilized for emotion recognition in speech. The normalization of pitch for the male voice and female voice are also considered, in order to illustrate them into a uniform space. Finally, the speech emotion recognition experiment based on K Nearest Neighbor shows that, the correct rate of 81% is achieved, where it is only 73.85% if the traditional parameters are utilized.