共查询到20条相似文献,搜索用时 192 毫秒
1.
2.
本文介绍了关系及关系矩阵等概念,并着重讨论了偏序关系及对应的偏序范畴、偏序矩阵,刻划了偏序范畴的始对象、终对象和零对象,偏序范畴的积范畴以及给出相应的矩阵的关系,即积范畴对应的偏序矩阵是原来两个偏序矩阵的张量积;讨论了等价的偏序范畴对应的偏序集之间的关系. 相似文献
3.
4.
胡国权 《湖南师范大学自然科学学报》1996,19(1):13-16
拟三角Hopf代数H的(左)模范畴HM与辫化Hopf代数H‘的(右)余模范畴MH’都是辫化单式范畴,考虑其中的量子交换代数A。M.Cohen等证明相应Smash积代数A#H的模范畴A#M是一个单式范畴,本文考虑一种对偶情形,设A是H‘-交换代数,则(A,H’)-Hopf模范畴是单式范畴。 相似文献
5.
胡国权 《湖南师范大学自然科学学报》1997,20(4):1-5
证明与一Hopf代数相关的对称Yetter-Drinfel‘d范畴的一个双中心化子定理,统一了近年来关于经典Schur双中心化子定理的各种推广。 相似文献
6.
在文「9,10」基础上,本文给出了带有对合范畴中态射集的左(右)星序的一些性质,因而较完满地将「4」中复矩阵星充的相应结果推广到范畴中。 相似文献
8.
胡国权 《湖南师范大学自然科学学报》1997,20(2):16-21
域上Hopf代数H相联之Yetter-Drinfel’d范畴HYD中双代数A上所有模形成一个monoidal范围AM,并且存在AM到双积双代数A*H上模范畴A*HM的monoidal函子。 相似文献
9.
燕玉芝 《济源职业技术学院学报》2010,9(2):48-50
英语存在句一直是很多语言学研究者关注的热点。用认知语言学中的原型范畴理论来观照,存在句的各种句式构成了一个原型范畴。借助隐喻,存在句衍生出多种意义和用法。这个解释为语言学的研究开阔了空间,对促进存在句的习得起到了一定的作用。 相似文献
10.
范畴理论为各数学学科提供了一种公共的语言、工具、思维方法和研究手段,其中作为形式结构的素描是一种基于图的规范,是形式建模和验证的有效方法.文章给出了Web导航行为的线性素描,构建一个基于范畴理论的形式模型,这一模型符合由素描所描述的要求和规范,提出了通过建立自由范畴来检验模型一致性的方法,讨论了导航模型的安全性,并给出了一些相应的安全性规则和检查方法. 相似文献
11.
运用坐标法建立了坐标平面xoz上的单位圆在平面xoy上的(中心投影)象与投影中心的一种非线性对应关系,并讨论了投影象为椭圆、双曲线、抛物线、圆和等轴双曲线时,投影中心的轨迹. 相似文献
12.
13.
14.
Flash图形"中心"问题剖析 总被引:1,自引:0,他引:1
徐建志 《海南师范大学学报(自然科学版)》2004,17(2):120-124
根据计算机对图形中心的确认机理,结合在实际应用中的经验技巧,从多个角度详细分析了应用FlashMX软件过程中在处理图形中心问题时的种种可能的对策. 相似文献
15.
建立一个含指数参数和角参数的关于三角形内心与外心距离的几何不等式 ,给出了文 [1 ]中不等式dλ 2 -λ-1( |a-b|λ + |b -c|λ + |c -a|λ)的逆向形式 相似文献
16.
17.
本文通过解析当前医院信息化实际情况,首次将医学数据中心模型划分为分体式、大集中式、B/S、C/S混合分布式.并依据对医学数据中心模型发展趋势的分析,提出云式医学数据中心模型.通过对分体式、大集中式和B/S、C/S混合分布式的综合分析,指出云式医学教据中心将成为主流模型.本文认为云计算本质上是对软件设计理论中最根本的抽象和封装概念在大范围、高层次上的延续实现,其核心是公共数据中心,首次提出创建云计算公共数据中心应遵循的宗旨是“一切是服务,服务是一切”. 相似文献
18.
针对比赛中,大学生田径运动员很难发挥出正常水平这种情况,对参加省内外几次大型比赛的高校运动员进行了调查。通过对调查结果的总结分析,提出了竞技状态的培养过程申容易被广大教练员及运动员所忽略的几个问题,并做了初步探讨。建议;1.竞技能力的训练方面,重视协调能、柔韧、灵敏素质的训练;心理和智能的训练要进行专门练习;技术注重细节的问题;战术的实施多在比赛中进行;2.训练过程的组织控制方面:建立适宜的目标;科学地制定和实施训练计划。 相似文献
19.
20.
针对统计方法不能从语义理解的角度进行文本分类的问题,提出了利用概念层次网络概念知识进行文本分类的方法,包括两部分:依据概念进行特征选取以及根据类别关联度分类. 在特征选取时,通过计算概念与类别的区分度挖掘出类别核心概念,并采用类别核心概念对特征项进行精选. 依据类别核心概念相关的类别语义信息,提出了文档与类别关联度的计算方法,并根据类别关联度来判断文本类别. 实验表明,该方法可有效降低特征空间维数,在提高分类效率的同时保证了分类效果,F1值略有提高. 与SVM、KNN和Bayes分类器对比,当特征项数目较少时,该方法的F1值明显高于其他3种方法,综合分类效果与SVM相当,优于KNN和Bayes. 相似文献