SM方程的关于二等变解的等价方程

证明SM方程的二等变解的爆破问题,从等变解的等价方程入手,证明其余项展开式的收敛性,导出了二等变解的等价方程,构造了可分解的汉密尔顿算子.     

武汉地区4种生境蝇类多样性及种群动态分析

2006年1月至2016年12月,在武汉地区4种生境共捕获蝇类4科7属11种15 603只,家蝇和丝光绿蝇为优势种.武汉地区蝇类全年活动,总密度季节消长趋势呈双峰型,第一个高峰出现在5月,第二个高峰出现在9月;蝇类活跃期较长,4—11月密度均较高,不同年份蝇类密度高峰期不同.蝇密度年际消长整体呈下降趋势,仅2010年密度反弹至14.5只/笼.绿化带蝇类丰富度、多样性指数和均匀度指数均最高,居民区次之,餐饮外环境和农贸市场最低.4种生境蝇类群落相似性指数在0.87～1.00之间,均为极相似.基于欧式距离的系统聚类和物种非度量多维标度排序分析显示,2006—2008年和2010年为一组,2011—2016年为一组,相互之间距离较近.这些结果说明,4种生境蝇类多样性与气候和人为干扰因素有密切关系.     

“五驭”考辨

以文化人类学视角,通过历史比较法、校勘学方法、训诂学方法,对当代《体育史》课本相关"驭"的引用内容及其源文献进行研究,考究相关"五驭"的注疏及流变.研究发现,当代所引用的"五驭"注解存在根源不可靠、论据不充足等疑点;"五驭"与孔子私学的关系存在文化流变的争议;"御"与"驭"通假可能是造成《周礼注疏》中释义偏差的因素之一.     

航班运行风险网络的传播与控制改进

为探究航班运行风险的产生、传播与控制过程, 首先统计华北区域航班运行数据共计76个风险节点。然后，采用偏秩相关系数构建风险网络, 再使用社团模块探测算法与三角最大滤波法验证网络适用性。并且, 提出一种适用于航班运行风险分析的SEIR(susceptible-infected-exposed-recovered)模型。根据动力学传播结果, 聚类定位网络传播中关键节点。最后, 采用前置预防与战术处置两类控制方案。计算结果表明，仅控制5个节点后, 感染峰值可降低18.44%, 峰值时间推后两个周期, 起降等重要操纵节点被感染次数平均下降11.74%。该方案在感染峰值、感染周期、重要节点感染3个方面的抑制效果均占优。以上结果证实, 所提方案可有效用于航班运行风险问题分析。     

联合变化检测与子带对消技术的SAR图像干扰抑制方法

子带对消(subband spectral cancellation, SSC)法是一种有效的合成孔径雷达(synthetic aperture radar, SAR)射频干扰(radio frequency interference, RFI)抑制方法, 但其在消除干扰的同时容易损失图像细节信息, 影响后续图像解译。为此, 在SSC方法的基础上, 联合变化检测技术, 提出一种改进的SAR图像干扰抑制方法。根据改进的对数比变化检测算子, 所提方法实现了干扰二次检测, 消除了干扰图像中的虚警信息, 避免了图像中有用信号的损失。基于欧空局Sentinel-1A卫星干涉宽幅模式受干扰SAR图像, 开展了干扰抑制与效果评估。实验结果表明, 所提方法能够在有效抑制干扰的同时尽可能保留SAR图像细节信息, 证明了所提方法的有效性。     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

三角代数上Lie积为平方零元的非线性双可导映射

设U是一个三角代数，Ω是U上平方零元的集合，φ：U×U→U是U上的一个映射(在每个变量上都没可加假设).若对任意的x，y，z∈U且[x，y]，[y，z]∈Ω分别有φ(xy，z)＝φ(x，z)y＋xφ(y，z)和φ(x，yz)＝φ(x，y)z＋yφ(x，z)，则φ是U上的一个双导子.     

人工智能心理学研究的知识图谱分析

借助CitespaceⅢ对选自WoS的人工智能心理学研究文献进行知识图谱探析,结合自动聚类视图与议题标签展现了人工智能心理学领域的6个知识聚类:#0人工智能解决问题议题;#1人工与人类认知共性议题;#2人工智能学习议题;#3人工智能脑科学议题;#4人工智能环境认知议题;#5人工智能表征议题。在深入探究各聚类的核心与热点知识的基础上分析了人工智能心理学发展的各阶段特征:1.上世纪50年代图灵和米勒等人对机器认知与学习等概念的猜想与初探;2.70-90年代纽厄尔、西蒙和莱尔德等人基于模块记忆与层级分析对人工智能信息处理模型的系统性构建;3.本世纪初基于神经生理学的降维数据认知理论的发展;4.当下人工智能贝叶斯大脑与深度学习理论的兴起。     

一种钯离子印迹聚合物的制备优化研究

采用沉淀聚合法, 以PdCl₄²⁻为模板, 以4-乙烯基吡啶(4-VP)、2-烯丙巯基烟酸(ANA)、2-乙酸胺基丙烯酸(AAA)为功能单体, 加入交联剂二甲基丙烯酸乙二醇酯(EGDMA)、引发剂偶氮二异丁腈(AIBN)和致孔剂甲醇, 制备钯离子印迹聚合物。通过添加不同种类、用量的功能单体和不同用量的交联剂, 探究不同制备条件对钯离子印迹聚合物制备效果的影响。优化结果表明, 与ANA和AAA功能单体对比, 4-VP和PdCl₄^2–能形成4:1的稳定配合物, 结合常数最大, 印迹效果最好, 是 3 种功能单体中用于制备钯离子印迹聚合物的最佳选择。吸附试验结果进一步表明, 按照模板、功能单体、交联剂用量比例为1:4:40制备的钯离子印迹聚合物对Pd(II)的吸附量最大, 为5.042 mg/g。     

基于参数化分位回归模型的非寿险准备金评估

准备金及其风险边际对保险公司的偿付能力具有决定性影响.均值回归模型在非寿险准备金评估中的应用较为普遍,但需要通过Bootstrap等方法计算准备金的风险边际.分位回归模型可以一次性求得准备金及其风险边际的预测值,所以在非寿险准备金评估中具有独特的应用价值.基于GB2(Generalized Beta type 2)分布建立了一种参数化分位回归模型,该模型首先对GB2分布中的位置参数和尺度参数同时引入流量三角形数据中的事故年和进展年作为解释变量,增加了模型的灵活性;其次,根据模型参数的极大似然估计结果,借助分位数函数的表达式,计算了不同分位数水平下的准备金预测值;最后,利用极大似然估计的渐近性质,通过Delta方法给出了准备金预测值的误差.基于一组增量赔款数据的实证研究结果表明,GB2参数化分位回归模型在非寿险准备金评估及其风险边际的预测中具有良好的应用价值.