初中数学中方程的应用

方程是初中数学中的重要内容.方程应用广泛、变形较多,使得与它相关的考题也有着各式各样的表现形式.本文将讨论方程应用的常见三种题型:由实际问题抽象出一元二次方程、高次方程和无理方程,以具体的案例为引导讲授解法,并阐述方程的实际应用和命题形式.     

桉树杂交种与其亲本的近红外光谱判别

研究桉树控制授粉后目标性状的基因作用方式是探索其基因重组规律的重要内容。常规的数量统计分析精度往往不高,而DNA分析的专业要求高,且费时费力。该研究利用近红外光谱(NIRs)研究不同基因型桉树杂交种、亲本及杂交种与亲本间近红外光谱信息的关系,探索NIRs用于桉树杂交种与其亲本判别的可行性和准确性。以控制授粉的桉树亲本及其杂交F1代材料为对象,每种基因型从各自田间试验分别选取10个单株,采集树冠中上部新鲜健康叶片。用手持式近红外仪Phazir Rx(1624)采集桉树杂交种与其亲本叶片的NIRs信息。每单株选10片完全生理成熟的健康叶片,避开叶脉扫描其正面光谱5次,以50条NIRs信息的均值代表单个叶片的NIRs信息,最终每个基因型获得10条NIRs信息。对原始NIRs采用二阶多项式S.G一阶导数预处理。预处理后的NIRs用于多元统计分析,首先对桉树杂交亲本和子代样本进行主成分分析(PCA),直观展示不同基因型的分类情况。然后运用簇类独立软模式(SIMCA)和偏最小二乘判别分析(PLS-DA)两种有监督的判别模式验证NIRs用于桉树杂交种与其亲本树种的分类判别效果。PCA结果显示,不同的亲本间、杂交种间及杂交种与亲本间样本的主因子得分可以清晰地将各基因型分开。SIMCA模式判别分析中,桉树杂交种样本到亲本PCA模型的样本距离显示,待判别样本能够形成单独的聚类,且能直观反映两者的遗传相似。PLS-DA判别结果显示,桉树杂交亲本的PLS模型能通过预测其杂交子代的响应变量将其与亲本准确分开。结果表明,桉树叶片的NIRs信息可以准确地反映桉树杂交子代遗传信息的传递规律,NIRs判别模型可以准确地将各种基因型予以区分。因此,NIRs信息不仅可用于桉树杂交种和纯种的定性判别,还可以分析桉树基因重组过程中加性遗传效应的大小,从而为桉树遗传基础分析及其育种改良研究提供理论支撑。     

X射线激光器捕捉到蛋白质分子的超快动态

近日,美国威斯康星大学密尔沃基分校的生物物理学家、能源部下属SLAC国家加速器实验室部门负责人Marius Schmidt率领的国际研究团队,用X射线激光器以慢动作的形式展示了一个光敏性生物分子的快速动态。"人们能够在这一技术的基础上,以原子水平的空间分辨率和超快时间分辨率制作纳米世界的电影,"Schmidt说道。研究人员将PYP光敏黄蛋白(photoactive yellow protein)作为模式系统。PYP是一种蓝光     

机载稳瞄控制系统模型及仿真分析

瞄准线高精度稳定是机载光电稳瞄系统的主要指标和关键技术。根据四框架稳瞄系统的工作原理，以手动跟踪模式为主要研究对象，建立了稳瞄伺服控制系统模型。考虑到直升机扰动特点，对线扰动、角速率扰动、摩擦力矩、弹性力矩等各种扰动因素也建立相应的数学模型，同时在各种扰动因素作用下利用Matlab对机载高精度稳瞄系统的手动跟踪控制模式进行了仿真设计分析和理论研究，设计出适合的控制器。此模型在实际系统中获得验证，对稳瞄伺服控制系统的设计具有参考意义。     

设计性、研究性实验对学生创新能力的培养

根据设计性、研究性实验的特点,从几个方面、不同的角度,阐述了设计性、研究性实验对学生创新能力培养的作用与意义。     

多媒体课件制作的误区及对策

多媒体辅助教学（以下简称CAI教学）手段在教学中的运用已屡见不鲜，它新颖生动。感染力强，是一种模拟性启发性的直观手段，要克服以传授知识为主要目标的传统教育模式的许多弊端，使用CAI教学无疑是一个很好的途径．但在对CAI教学在认识上仍存在误区．具体表现在以下几个方面．     

巧解三角问题

构造数学模型是一种比较重要、灵活的思维方式,它没有固定的模式。在解题中要想用好它,需要有敏锐的观察、丰富的联想、灵活的构思、创造性的思维等能力.应用好构造思想解题的关键有二:一是要有明确的方向,即为什么目的而构造;二是弄清条件的本质特点,以便重新进行逻辑组合.常用的有构造命题、构造表达式、构造几何体等,本文拟就通过介绍几种解三角函数的具体问题,对构造的各种思维方式作一些探讨.     

光纤面板传输机理研究(Ⅱ)

本文在文献[1]研究的基础上,建立了光纤面板的结构模型。利用光学信息理论,研究了光纤面板的传输机理。通过分析、计算光纤面板传输的光学信息量,给出了光纤面板传递最大信息量时的最佳结构参数和扩散参量。     

基于校园网的实验管理系统的设计

主要讨论了应用实验室管理系统的必要性,并从用户需求分析、系统总体设计、功能模块的设计等方面对B/S实验室管理系统的开发进行了详细的阐述。     

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.