基于协作的动态频谱租赁序贯博弈

针对认知无线电频谱共享问题,在主用户与多接入感知用户共存的场景下,提出并分析了一种频谱租赁分层模型。该模型中感知用户间的竞争接入采用分布式异构机会功率控制方式;主从网络之间的竞争与协作采用序贯博弈。对博弈的完全信息模型给出了逆向归纳法求解方案,对不完全信息场景给出了一种近似求解方案。理论分析与仿真结果证明了所提出的模型与算法能够保证主用户的保留支付,并在两个层次(主从网络之间以及感知网络内)上公平的共享频谱。     

二质点体系的内力功的计算

本文从不同角度计算了一对内力的功，从而证明了它与参照系的选择无关的结论。     

准晶体的电子比热(英)

计算了10次准晶体Al-Cu-Co;;Al-Cu-Li和二十面体准晶Al-Mn-Si在0～1180K温度范围的电子比热;;发现这些准晶体的电子比热随温度增加近似线性地增加;;但其比热曲线的陡度随费米能级附近的态密度变化而发生较大变化.当电子态密度在费米能级附近的值较大时;;电子比热曲线的斜率较大.如:10次准晶Al-Cu-Co;;当温度到达1000K时;;电子比热为0.2209kB/atom;;很明显;;此时电子比热不能忽略;;讨论了这些准晶体中电子的化学势与温度的关系;;发现其化学势随温度增加而增加;;这一点准晶体与晶体材料完全不同.     

准晶体的电子比热

计算了10次准晶体Al-Cu-Co，Al-Cu-Li和二十面体准晶Al-Mn-Si在0～1180K温度范围的电子比热，发现这些准晶体的电子比热随温度增加近似线性地增加，但其比热曲线的陡度随费米能级附近的态密度变化而发生较大变化。当电子态密度在费米能级附近的值较大时，电子比热曲线的斜率较大。如：10次准晶Al-Cu-Co，当温度到达1000K时，电子比热为0．2209kB／atom，很明显，此时电子比热不能忽略，讨论了这些准晶体中电子的化学势与温度的关系，发现其化学势随温度增加而增加，这一点准晶体与晶体材料完全不同。     

一种基于网格的跨集群VOD系统及其仿真实现

提出了一种城域范围内基于网格技术的跨集群异构VOD系统实现框架;描述了系统硬件拓扑、软件层次结构,系统主要组件的交互活动．提出了一种对点播任务的分布式自适应调度算法并给出了基于此调度算法的仿真方案和结果．调度算法基于多目标规划,分为二级实现,包括任务在跨集群间的调度和集群内的调度．仿真结果显示,在系统的负载容量内,负载的大幅增加不会引起服务质量的显著下降。     

D_(4h)对称下~5D,~3L和~1L态的哈密顿矩阵研究及它的应用

本文推导了3d4／3d6离子在D4h对称下5D、3L（L＝P，D，F，G，H）和1L（L＝S，D，F，G，H）态的哈密顿矩阵元，其中包括晶场、自旋-轨道、自旋-自旋相互作用及Trees’修正．基于这个矩阵，利用完全对角化方法，研究了K2FeF4中Fe2＋离子的EPR零场分裂参量D，a，F，所得结果与实验符合很好．将本文结某与以前研究比较证明晶体中Fe2＋的低自旋态（3L和1L）对零场分裂的贡献是重要的，尤其对四阶零场分裂参量a和F.进一步研究是必要的。     

Ni(mpz)_4X_2(X=C1、Br、Ⅰ)型化合物中Ni~(2+)离子的光磁性质的理论研究

本文利用d2,8-D4h完全强场能量矩阵的特征值、特征矢及相应的全组态混合EPR理论，对Ni（mpz）4X2（X=C1、Br、Ⅰ）型化合物中Ni2+离子的吸收光谱、零场分裂、顺磁g因子及颁磁磁化率、磁化强度等进行了统一的计算，理论结果与实验一致，从而对Ni（mpz）4X2（X=C1、Br、Ⅰ）的光、磁性质作出了完整的、合理的解释。     

D4h对称下^5D,^3L和^1L态的哈密矩阵研究及它的应用

本文推导了３ｄ＾４／３ｄ＾６离子在Ｄ４ｈ对称下＾５Ｄ、＾３Ｌ（Ｌ＝Ｐ，Ｄ，Ｆ，Ｇ，Ｈ）和＾１Ｌ（Ｌ＝Ｓ，Ｄ，Ｆ，Ｇ，Ｈ）态的哈密顿矩阵元，其中包括晶场、自旋－轨道、自旋－自旋相互作用及Ｔｒｅｅｓ＇修正。     

钇铁榴石中Fe~(3+)离子的吸收光谱和EPR零场分裂研究

本文在晶体场理论的基础上．用晶场自旋——轨道耦合矩阵对钇铁榴石（YIG）中Fe3+（3d5组态）离子的吸收光谱，基态分裂常数，零场分裂参量D进行了统一计算．所得结果与实验符合较好，说明自旋——轨道耦合作用是导致基态分裂的主要原因，解释了被认为是一个理论疑惑的Fe3+离子零场分裂参量D问题。     

基于贝叶斯网络的Peer-to-Peer识别方法

网络业务分类与识别是网络管理、网络规划和安全的必要途径,而Peer-to-Peer (P2P)流量由于采用伪装端口、动态端口以及应用层加密,已成为业务分类与识别的主要难点. 该文提出了P2P业务的精确识别方法,通过对流统计特性的分析,提取相关特征属性,应用遗传算法选取最优特征属性子集,并采用贝叶斯网络机器学习方法识别P2P流量. 实验表明Ｋ2,TAN和BAN能有效快速地识别P2P业务,分类精度高达95%以上,很大程度上优于朴素贝叶斯分类和BP神经网络方法. 同时该系统具有可扩展性,能够识别未知的P2P流量,并适用于实时分类识别环境.