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。     

对流扩散方程的缩减基有限元法的后验误差

将缩减基(RB)方法和有限元方法相结合,在保证偏微分方程的有限元离散格式具有足够高精确度前提下,能够大幅度地降低有限元离散格式的维数,从而大大降低计算中内存容量和计算时间的消耗.针对对流扩散方程建立基于RB方法的Crank-Nicolson有限元离散格式,并给出后验误差估计结果.     

ESTIMATING EXTREME-VALUE INDEX FROM RECORDS

1.IntroductionLet{X.,n21}beasequenceoflidry'swithanondegeneratedistributionfunctionF(x).Supposethereexistsomeconstantsan>0,b.6RandsomeacERsuchthatwhereG.standsforoneoftheextremevaluedistributions:Heretheindex7ERisarealparameter(interpret(1 box)--'/ryase--"for7~0).Theestimationoftheextreme-valueindex7isveryimportantbothintheextremevaluetheoryandinpractice.Manystatistics,suchasHillestimator(forcaseac>0),PickandsestimatorandDekkers-EinmahLdeHaan'smomentestimatorwhicharebasedonafinitesample,…     

三维热传导型半导体器件瞬态模拟问题的Crank—Nicolson差分—流线扩散有限元法及其数值分析

本文研究三维热传导型半导体器件瞬态模拟问题的数值方法。针对数学模型中各方程不同的特点，分别提出不同的有限元格式。特别针对浓度方程组是对流为主扩散问题的特点，使用Crank-Nicolson差分-流线扩散计算格式，提高了数值解的稳定性。得到的L^2误差估计关于空间剖分步长是拟最优的，关于时间步长具有二阶精度。     

Jordan函数r次方Jrk(n)的误差项的进一步性质

设k，r分别是自然数和非零整数，Jk(n)是Jordan函数。以E(x；k，r)表示和式sum from (n≤x) Jkr(n)的渐近公式中的误差项，本文研究了E(x；k，r)的某种加权平方积分均值。     

线性双向联想存储器

提出了一个线性双向联想存储器的模型，一组有限个向量对由一线性算子建立起双向联想关系，此线性算于是一个网络的联结权重矩阵。该权矩阵由最小二乘法决定。由权矩阵的解导出一特殊类型的Ｌｙａｐｕｎｏｖ矩阵方程．本文提供了这种Ｌｙａｐｕｎｏｖ矩阵方程的解。     

模糊线性回归模型的约束最小二乘估计

自Tanaka等1982年提出模糊回归概念以来,该问题已得到广泛的研究。作为主要估计方法之一的模糊最小二乘估计以其与统计最小二乘估计的密切联系更受到人们的重视。本文依据适当定义的两个模糊数之间的距离,提出了模糊线性回归模型的一个约束最小二乘估计方法,该方法不仅能使估计的模糊参数的宽度具有非负性而且估计的模糊参数的中心线与传统的最小二乘估计相一致。最后,通过数值例子说明了所提方法的具体应用。     

一种方式分组随机模型中估计方差分量的最小风险设计

§1.引言一种方式分组随机模型:y_(ij)=β α_i ε_(ij),i=1,…,n,j=1,…,m_i,(1.1)其中 ε_(ij)(i=1,…,n,j=1,…,m_i)是相互独立的随机误差,α_i(i=1,…,n)是独立的随机变量.Eα_i=Eε_(ij)=0,varε_(ij)=θ_1>0,varα_i=θ_2≥0,cov(α_i,ε_(ij))=0.β、θ_1、θ_2是未知参数,β∈R~1,(θ_1,θ_2)~T∈Θ(?){θ_1>0,θ_2≥0}.     

关于AOR迭代法的研究

本文论证了严格对角占优矩阵之AOR法的误差估计式中的误差估计常数hγ,ω（0≤γ≤ω0）的最小值是h1,1.