浅谈干扰有效教学的几个因素

有效教学一直是数学教学的关键,笔者也一直致力于数学教学有效性的尝试和探索.从新课程不断深入的改革来看,对教学有效性的追求也比以往来得更为迫切.何为教学有效性呢?有效教学从哪几方面来进行合理的界定呢?教育部课程改革专家余文森教授是这么认为的:教学有效性从专业知识的角度来说,就是通过课堂教学让学生获得相关的专业知识、技能、情感态度和价值观的整合性发展,这样的教学是课程改革需要的教学,是符合学生继续发展理念的教学.     

共形空间${\mathbb Q}^{n+1}_1$中类空超曲面的拼挤问题

通过对第二共形基本形式的模长平方作拼挤,给出Clifford超柱面的一个共形特征.     

关于具有二次相关性收获率的捕食与被捕食系统极限环的存在性分析

讨论了一类两种群具有二次相关性收获率的捕食与被捕食系统,利用常微分定性方法和分支理论,得到了系统平衡点处的性态和极限环的存在性条件,并用Matlab软件对其进行数值模拟,推广了相关文献中两种群捕食模型定性分析的相应结论.     

水质评价涉及的因子权重与定权方法

水质评价涉及属性权与熵权两种权重.熵权表征因子的分类能力,由因子的隶属度向量通过计算信息熵确定.属性权表征因子重要性程度的差异,用途是使不同因子的隶属度具有可比性,但定权方法众说不一.指出,因子重要性程度差异源于因子属性与因子取值无关,并且表征这种差异等同于对因子接重要性排序.AHP的比例标度判断矩阵为因子排序提供了合理的数据条件,但基于一致性检验的特征根排序法受到质疑;FAHP也因没有彻底摆脱一致性,所以建立的排序方法有局限性.为此,通过标度变换将比例标度转化为评分标度,利用评分标度的可加性把判断矩阵中由评分标度确定的因子的序关系转化为因子排序.由此建立不受一致性干扰的定权方法.     

一类非线性时滞网络控制系统的无源性分析

本文研究了一类非线性时滞网络控制系统的无源性问题.利用Lyapunov稳定性理论,结合线性矩阵不等式(LMI)技术,通过构造Lyapunov-Krasovskii泛函,在考虑两种不同时滞的情况下,获得了系统满足无源性的充分条件,最后通过仿真算例验证了结论的正确性和方法的有效性.     

求解正定线性方程组的具有共轭性的并行多分裂迭代法（英文）

本文结合具有共轭性的一种特殊多分裂与系数矩阵的稀疏性,提出求解系数矩阵为正定矩阵的线性方程组的并行多分裂迭代法.我们的新迭代法与标准迭代法不同点有两个方面:一是在我们的多分裂方法中只要求其中之一是收敛的分裂;二是权矩阵不必预先给出.这在并行计算中是很有效的算法.最后以数值实验验证新方法的有效性和可行性.     

R~N上具有渐近线性项的奇异椭圆问题的研究（英文）

本文通过变分方法,证明包含Hardy位势的奇异椭圆问题-Δu(x)-μ/|x|2u(x)=K(x)f(u),x ∈RN,x在u∈D1,2(RN)中至少有一个非平凡解,其中N≥3,0≤μ≤∶=((N-2)/2)2,f(t)是在R上的连续函数并且在无穷远处渐近线性.     

超空间上高阶Teodorescu算子

本文首先由超空间上Cauchy-Pompeiu公式定义了超空间上高阶Teodorescu算子,研究了此类算子的一些基本性质.其次,利用此类算子,我们得到了$k$-超正则函数的Almansi型展开. 最后运用这个展开,我们证明了$k$-超正则函数的Morera型定理、开拓定理和唯一性定理.     

环状硅酸盐图的友好指数集

Let G be a graph with vertex set V(G) and edge set E(G). A labeling f : V(G) →Z2 induces an edge labeling f*: E(G) → Z2 defined by f*(xy) = f(x) + f(y), for each edge xy ∈ E(G). For i ∈ Z2, let vf(i) = |{v ∈ V(G) : f(v) = i}| and ef(i) = |{e ∈ E(G) : f*(e) =i}|. A labeling f of a graph G is said to be friendly if |vf(0)- vf(1)| ≤ 1. The friendly index set of the graph G, denoted FI(G), is defined as {|ef(0)- ef(1)|: the vertex labeling f is friendly}. This is a generalization of graph cordiality. We investigate the friendly index sets of cyclic silicates CS(n, m).     

聚合风险模型下Esscher风险度量的估计及其大样本性质

Esscher度量是一种重要的风险度量,在金融风险管理、保险精算中有广泛的应用,然而大部分关于Esscher风险度量的文献均在个体风险模型下考虑的.本文建立了聚合风险模型下Esscher度量的估计模型,得到了相应的非参数估计,并证明了估计的强相合性和渐近正态性,最后,通过数值模拟的方法验证了估计的大样本性质.