基于众包校正的多源融合室内定位算法

为了提高室内定位算法的精度，本文融合Wi-Fi和蓝牙两种信号源，提出了一种结合粗定位和众包校正的适用于多用户环境的室内定位算法。该定位算法分为离线和在线两个阶段，离线阶段的主要任务是构建多个指纹库，在线阶段的主要任务是进行粗定位和众包校正。粗定位分别利用Wi-Fi接收信号强度指示和蓝牙接收信号强度指示计算用户的粗略位置和用户间的距离；众包校正包括聚类校正和虚拟空间校正两个部分，它利用用户间的距离和用户组的位置分布提高定位精度。在UJIIndoorLoc和IPIN2017-CAR数据集上进行验证，实验结果表明，提出的定位算法将平均定位误差分别降至4.96 m和4.35 m。     

架起信任的桥梁 走出心灵的阴霾

一、背景资料 上学期,由于村小合并,我班转来一位女同学。她衣着破旧,脸上脖子上有大小不等的污垢,目光呆滞,行为怪异。该学生三年级却依旧不会写自己的名字。在开学第二天,班级约有3／4的同学科学学具袋中都遭到她不同程度的损坏。她认为两个同学在嫌弃她——嫌她臭,而且她还总以为在笑的同学都在笑她,所以萌生了仇恨和报复。     

木霉对核盘菌胁迫下莴笋生理特性及生防效果的影响

为探究哈茨木霉(Trichoderma harzianum Rifai)和绿色木霉(Trichoderma viride Pers)对菌核病的防治效果差异及其对作物的生理调节作用，在单因素实验结果的基础上，采用响应面法获得菌株最佳发酵条件.以莴笋(Lactuca sativa L.)品种‘碧玉’为材料，探究核盘菌(Sclerotinia sclerotiorum(Lib) de Bary)处理下，哈茨木霉和绿色木霉对莴笋各项生理指标、病情指数及生防效果的影响.结果表明：2种菌株发酵液均能缓解莴笋菌核病，提高植物抗逆性，在接种9 d时，哈茨木霉组的超氧化物歧化酶(SOD)、过氧化物酶(POD)和过氧化氢酶(CAT)活性均达到最高；核盘菌处理下莴笋叶片丙二醛(MDA)与脯氨酸(Pro)含量最高，施加木霉后明显下降，最大降幅分别为26.91%和31.47%;在处理15 d时，木霉组间的叶绿素荧光参数F_v/F_m(暗适应PSII最大量子产量)差异显著(P<0.05),增幅相差9.00%;哈茨木霉对菌核病的防治效果为64.17%,绿色木霉和多菌灵分...     

可传V-Quantale和蕴含V-Quantale

引入了可传V-Quantale和蕴含V-Quantale的概念,并研究了可传V-Quantale和蕴含V-Quantale的性质;在此基础上,给出了一个V-Quantale是可传V-Quantale和蕴含V-Quantale的充要条件.     

浅谈小型数据库ACCESS在教务管理系统中的应用

ACCESS是现今较为流行的面向对象的桌面数据库的开发软件之一,它可以满足多种信息管理系统的开发需要。该文主要阐述用ACCESS设计实现小型的教务管理系统,以其中的成绩管理子系统为例。     

因子von Neumann代数中套子代数上的广义内导子

本文研究了因子von Neumann代数M中套子代数algMβ上的广义内导子.证明了如果δ:algMβ→M是一个线性映射,且对任意A∈algMβ有δ(A)=XAY,其中X,Y∈M.那么δ是一个广义内导子当且仅当存在投影P∈β使得X=λP XP⊥,Y=μP⊥ PY,其中λ,μ∈C.并且证明了δ2=δδ是一个广义内导子的充分必要条件.     

套子代数上的自伴线性映射

研究了Ⅲ型因子von Neumann代数中套子代数上的自伴导子和自伴线性映射，证明了Ⅲ型因子von Neumann代数M中的任一套子代数algMβ上的每一个自伴导子都可表示为T→TA→AT，其中A是algMβ中的一个自伴算子．由此，Ⅲ型因子von Neumann代数M中的任一套子代数algMβ上的每一个自伴线性映射都可表示为T→TB-AT，其中A，B是algMβ中的两个自伴算子．     

算子空间的性质Tσ

应用Slice映射研究算子空间的性质Tσ,讨论了性质Tσ的遗传性;得到算子空间的性质Tσ在弱连续 同构下保持不变;证明了σ 弱算子空间A具有性质Tσ的充要条件是A M具有性质Tσ,这里M是一个vonNeumann代数.     

玉米产量相关性状的QTL定位与剖析

玉米因其自身具有高产潜质而成为了当今世界最重要的粮食作物之一.玉米产量是复杂的数量性状,由许多主/微效基因控制,易受各种环境因素影响.果穗是玉米的主要收获器官,籽粒性状是玉米品质的重要体现,因此发掘玉米穗部性状和籽粒性状相关QTL对玉米的遗传改良,培育优质高产的玉米具有重要意义.本研究白刺包谷(P2)和妻染黄(P13)为亲本构建了包含152个家系的F2∶3作图群体,选择在两亲本间具有多态性的176个微卫星标记构建遗传图谱,对产量相关性状进行了单环境的QTL定位与分析.最终定位到了14个QTL,分布在除9号染色体外的其余9条染色体上,单个QTL可解释的表型变异率为4.9％～18.8％.值得注意的是,在6号染色体上的百粒重和穗行数的一致性QTL(qHKW06-1和qERN06-1)与8号染色体上的穗行数QTL(qERN08-1)是本研究中特有的,其中qERN08-1解释了12.4％的表型变异率.     

Quantale上的伪同余

为了研究Quantale内部结构,我们首先在Quantale上引入了伪同余的概念;讨论了伪同余与同余的关系;最后借助于伪同余,建立了Quantale与序半群之间的联系.