太行山猕猴掌骨性差的逻辑回归分析

对猕猴掌骨变量的性差进行逻辑回归分析,用ROC分析来比较掌骨变量、左右侧掌骨和5根掌骨的性差大小.成年掌骨标本44例(14雄,30雌).数据分析采用SPSS20.0软件.选择掌骨的7个变量.采用逐步逻辑回归分析选择最佳变量.结果表明:掌骨长度是最好的性差指示变量,然后是掌骨头和掌骨底变量,最小的是掌骨骨干宽和高.总体性别正确判别率是71.4%~100.0%.ROC分析显示左右侧掌骨性差差异很小,ROC曲线下面积(AUC)分别是0.969和0.978.逻辑回归结果是MC2、MC4和MC5判别率较高(90.0%~94.9%);MC1和MC3判别率较低(85.8%~87.5%).结果提示:猕猴掌骨性差显著.掌骨性差模式可能与人类不同.掌骨变量的性差特征反映了遗传与后天行为因素的交互作用.     

随机凸幂凝聚算子的随机不动点定理

在Banach空间研究了随机凸幂凝聚算子不动点的存在性问题,获得了几个新的不动点定理.并推广了随机凝聚算子的不动点定理.     

泵送减水剂对尾砂-棒磨砂膏体料浆和易性与充填体强度影响研究

针对金川镍矿尾砂-棒磨砂膏体在充填管道输送中存在的堵管问题,开展了泵送减水剂对膏体的和易性与充填体强度影响试验研究.首先分析了膏体物料的物化特性和颗粒级配;然后采用金川镍矿尾砂-棒磨砂膏体充填系统工业生产中的技术参数,开展了添加不同泵送减水剂添加量的充填体强度、膏体和易性以及流变特性参数测试研究.研究结果显示,当添加1%~2%的泵送减水剂,3、7和28 d强度均有显著提高.膏体的和易性随泵送减水剂添加量的增加而提高,且浓度越高,效果越显著.当膏体浓度(质量浓度)在78%~80%的范围,膏体初始剪切应力和粘滞系数均随着泵送减水剂的增加而线性减小.结合泵送减水剂对充填体强度、膏体和易性以及流变特性影响分析,并考虑膏体充填成本与采矿经济效益,确定1%的泵送减水剂为比较合理的添加量.研究结果为金川镍矿膏体充填系统料浆制备提供重要依据,已经应用于金川矿山膏体充填的工业化生产.     

具分布式偏差变元和阻尼项的中立型双曲方程的振动性

研究了一类具有分布式偏差变元和阻尼项的非线性中立双曲型偏泛函微分方程的振动性,获得了这类方程分别在Robin,Dirichlet边值条件下所有解振动的若干新的充分性条件,所得结果推广了已有研究结果.     

2n阶线性q-差分方程的奇异边值问题的谱理论

主要考虑2n阶线性q-差分方程的奇异边值问题.首先证明了奇异边值问题中的差分算子所对应的积分算子是线性自共轭全连续算子,然后利用线性自共轭全连续算子的谱理论给出了2n阶线性q-差分方程的奇异边值问题的谱性质.     

楔横轧多楔轧制高铁空心车轴壁厚均匀性

在空心轴楔横轧多楔轧制中,控制壁厚均匀性是衡量车轴成形质量的重要标准。本文先分析空心轴楔横轧多楔轧制的稳定轧制条件,得到了确定空心车轴楔横轧压扁失稳的准则。在此基础上,基于DEFORM-3D软件,建立楔横轧多楔同步轧制高铁空心车轴的三维刚塑性有限元模型,分析展宽角、成形角等工艺参数对壁厚均匀性的影响,获得了工艺参数影响轧制空心车轴壁厚变化的规律。结果表明：成形角越大,壁厚均匀性越好;展宽角越大,壁厚均匀性越好,但在展宽角大于10。时,壁厚均匀性反而下降。基于多楔轧制实验,轧制1：5缩比的空心车轴,测量了轧制力矩和轧制空心轴的壁厚,与仿真结果作比较,相对误差均在10%以内,验证了所建有限元模型的正确性。     

空间非均匀噪声下应用Bootstrap技术的信源数检测

针对阵列系统接收数据有限且存在空间非均匀噪声的信源数估计问题,提出一种基于Bootstrap技术和空间正交性的新方法.该方法首先估计任意信号的入射角度,然后对阵列协方差矩阵进行特征分解,提出了以特征向量和阵列流型矢量内积为基础的一系列假设检验,数据分布未知,并且应用Bootstrap方法估计零假设下提出的检测统计量分布.通过仿真证明了所提方法,在低信噪比(SNR)和小快拍数的情况下有较好的性能.     

数据科学:问题导向的交叉学科创新

在大数据应用技术需求的推动下,大数据科学研究和应用已经成为科技领域中的热点.同时人们开始从这些工程实践中提炼出一些共性的思路、方法和工具,开启了一门新科学——数据科学.从思想方法上,数据科学研究继承了统计学的一些思想,例如在大量数据上做统计性的搜索、比较、聚类或分类等分析归纳,其结论是一种相关性,而并非一定是某种因果关系.虽然都依赖大量的计算,但数据科学与计算机模拟不同,并非是基于一个已知的数学模型,而是用大量数据的相关性取代了因果关系和严格     

一类二阶强迫非线性微分方程的振动性

利用广义变分原理和Riccati变换建立了带有阻尼项的二阶强迫非线性微分方程(r(t)Ψ(y(t))︱y′(t)︱α-1 y′(t))′+p(t)Ψ(y(t))︱y′(t)︱α-1 y′(t)+q(t)f(y(t))=e(t)的振动准则,并改进和推广了已有的研究成果.     

基于卷积神经网络的连续语音识别

在语音识别中,卷积神经网络( convolutional neural networks,CNNs)相比于目前广泛使用的深层神经网络( deep neural network,DNNs),能在保证性能的同时,大大压缩模型的尺寸。本文深入分析了卷积神经网络中卷积层和聚合层的不同结构对识别性能的影响情况,并与目前广泛使用的深层神经网络模型进行了对比。在标准语音识别库TIMIT以及大词表非特定人电话自然口语对话数据库上的实验结果证明,相比传统深层神经网络模型,卷积神经网络明显降低模型规模的同时,识别性能更好,且泛化能力更强。