核子“直接URCA”过程发生的条件和中子星的冷却机制

讨论了核子的“直接ＵＲＣＡ”过程发生的条件，发现在ＵＶ１４＋ＵＶⅡ态式描述的中子星物质中，核子的“直接ＵＲＣＡ”过程发生的条件是质子数分数必须超过０．１４；强调在中子昨丙“标准冷却”机制和“非标准冷却”机械可能同时存在；对几个没质量中子星的冷却过程的计算结果表明，引力 质量小于约１．６Ｍ的中子星核内应发生“标准冷却”过程，而在引力质量大于约１．６Ｍ的中子星核内可能存在２种冷却机制。     

云南陆良盆地的形成与演化

陆良盆地是云南省第三系沉积盆地的典型代表。盆地中识别出四个不整合面，即Ｔｇ、Ｔ６、Ｔ３和Ｔ０。其拉张史可分为两大阶段：（１）Ｔｇ→Ｔ５，拉张强度渐增期；（２）Ｔ５→现今，拉张强度渐弱期。与拉张史相对应，陆良盆地的沉降史可分为两个阶段：（１）Ｎ２ｃ为快速沉降阶段；（２）Ｑ为沉降缓慢阶段。据此，陆良盆地的形成演化阶段为：（１）盆地初始形成期（Ｔｇ—Ｔ６）；（２）盆地扩张发育期（Ｔ６—Ｔ３）；（３）盆地发展稳定期（Ｔ３—Ｔ０）；（４）盆地萎缩充填期（Ｔ０—现今）。     

山茶科系统发育诠释：Ⅸ.山茶属的原始特征及其演化趋向

讨论和比较了关于山茶属演化趋向的两种观点，认为根据现存种类及目前发现的化石资料，花无梗，苞被不分化为苞片和萼片，代表了山茶属的原始特征；而花梗伸长，引起了苞萼分化，苞片在花梗上疏离，宿存，脱落或减少，演化出更加进步的类群；而苞被保持不分化，多数状态下也可能在花和果等方面得到演化，体现了系统发育和个体发育在山茶属内次级分类群中并不一致     

蛛网的进化

蛛网的进化是令人感兴趣的一个难题。近年来对这一领域的研究取得许多新进展，修正了以往一些旧的错误观点。蜘蛛的演化已公认为腹部仍保留背板的中纺蛛最先出现，后者产生后纺蛛中的原蛛和新蛛。蛛网起源于原始的空居蜘蛛在洞穴内壁用丝编织的衬里。以后丝管出口处向外延伸出领域放射的绊丝。进而出现漏斗蛛科的带丝管的片网或皿蛛科网片上下有缠结缄的网。     

密度演化方法在概率分布估计中的应用研究

利用密度演化方法，提出了随机变量概率分布估计的一个新方法．在此方法中，构造一个与基本随机变量相关的虚拟随机过程，使得基本随机变量成为该随机过程的截口随机变量．利用独立随机抽样的样本值，即可获取虚拟随机过程的瞬时概率密度函数，进而获得随机变量的概率密度函数估计．以约束混凝土极限应变的试验与理论预测值之比值为例，进行了概率密度函数估计．     

复杂动态网络模型研究进展

对复杂动态网络模型的研究现状做了综述,总结了复杂网络的演化机制与属性特征,提出了以复杂动态网络为虚拟计算平台和理论基础,开展大型Ad Hoc网络、传感器网络的网络性能、网络规划、信号增强、拓扑优化的一系列研究课题.     

演化硬件平台的数字电路仿真算法

在构建演化硬件的软硬件协同设计平台中,提出了一种数字电路仿真算法。这种仿真算法根据数字电路的拓扑结构,将电路的仿真过程分为两个阶段:第一阶段主要是对数字电路结构化,并将每个宏实体(模块)置于激活或挂起状态;第二阶段则使用两种方法仿真激活的宏实体。此外,根据软硬件协同设计平台的需求,对电路进行优化度和复杂性评价。实验表明这种数字电路仿真算法能较好地满足该系统平台的要求,有效地指导下一步的演化策略。     

非支配解集的质量评价方法

多目标演化算法的目的是获得逼近Pareto最优前沿的分布均匀的非支配解集合,非支配解集的质量是多目标演化算法研究的重要领域.本文对目前提出的非支配解集的质量评价方法进行分类比较,为算法的整体性能评价和算法的性能比较提供了参考依据.     

Magnetostratigraphic study of Cretaceous depositional succession in the northern Kuqa Depression, Northwest China

Stratigraphic studies on the depositional succession in the Kuqa Depression can be traced back to as early as 1950s[1], however, there are still some disputes about chronostratigraphic division of the Bashenjiqike For- mation because of the paucity of fos…     

局部核方法及其应用

核方法是机器学习中一种强有力的学习算法.多个领域的实践表明，通过将领域知识嵌入到核函数中，一般会得到比较好的学习效果. 从微分流形的观点讨论了机器学习中全局信息与局部信息的关系，并提出了一种嵌入局部有意义信息的核方法.文本分类的实验结果表明，与其它几个分类算法相比，它具有较高的性能.