一类中立型Cohen-Grossberg神经网络的概周期解

研究一类具有混合时滞的中立型Cohen-Grossberg神经网络。通过建立线性辅助方程， 得到该神经网络存在唯一的概周期解的新结果，同时也给出此概周期解的存在范围。     

基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.     

离散型二维竞争系统中某群体消亡的条件

研究了离散型二维竞争系统的渐近稳定性,得到了这类竞争系统中各类平衡点的坐标及其性质,获得了系统在边界上的平衡点处渐近稳定的一系列充分条件.这些条件等价于该系统中的某个群体在竞争过程中消亡或被淘汰的相应条件.     

考虑多个子群意见的多要素大群体决策方法

针对存在多个子群的多要素大群体决策问题，提出一种决策分析方法.首先，依据参与决策的个体针对方案构成要素的排序，计算各要素针对各参与个体的borda分值.其次，构建要素针对各子群的平均borda分值向量，再将其归一化后作为针对各子群的虚拟方案.然后，考虑到各子群的评估一致性存在差异，计算各子群的权重.进一步地，计算各虚拟方案与各备选方案之间的贴近度，并将其与各子群权重相集结，得到针对各备选方案的综合贴近度，并据此对备选方案进行排序.最后，通过一个考虑公众意愿的城市公园设计方案选择问题的算例说明了所提出方法的可用性.     

含8-羟基喹啉侧基聚酯的合成、结构表征及荧光性能

以5‐硝基间苯二甲酸、5‐氯甲基‐8‐羟基喹啉盐酸盐等为主要原料，经多步反应合成了2种新型含8‐羟基喹啉侧基聚酯P5和P6．利用IR、UV‐Vis、1 H NMR、GPC和荧光光谱对相关化合物结构和性能进行表征．P5的重均分子量M w 、数均分子量M n和相对分子质量分布指数PDI为4416、3025 g／mol和1．46．P6的重均分子量Mw 、数均分子量Mn和相对分子质量分布指数PDI为7661、5040 g／mol和1．52．P5和P6的紫外光谱表明，二者的吸收峰位于266、328 nm处，分别归属于苯环的π‐π倡跃迁吸收峰和喹啉环的π‐π倡跃迁吸收峰．溶解性测试表明，P5和P6易溶于DMAc、DMF、DMSO和NMP ，部分溶于THF和CHCl3．P5和P6的DMF溶液（5×10－5 mol／L）以362 nm波长光激发，分别在432、433 nm处出现最大发射峰，发射紫色荧光．     

NA列部分和乘积的极限定理

讨论NA列部分和乘积的中心极限定理和几乎处处中心极限定理,并将独立同分布(i.i.d.)随机变量序列的部分和乘积的几乎处处中心极限定理的权重由dn=exp(logαn)/n推广到dn=log(cn+1)/cnexp(logαn),0≤α1 2的情形,其中0cn→∞,limn→∞(cn+1)/cn=c∞.1     

我国“211工程”大学高层领导群体特征的履历分析

以我国112所“211工程”大学的567名高层领导的履历资料为基础，对大学高层领导的群体特征进行实证分析，结果显示：（1）在人口统计学特征上，我国大学高层领导以55岁左右的汉族男性为主，越是高水平的大学，其高层领导越可能是年长者，女性难以晋升的“玻璃天花板”现象依然存在，但不存在民族歧视；（2）在学术特征上，行政领导相对于党委领导、正职领导相对于副职领导，无论是学历、职称还是国际化水平上都有着更高的要求，且理工科背景出身相比其他背景来说，担任高层领导的机会更大；（3）任职特征上，越是高水平大学，其高层领导的任职经历往往越丰富，党委领导相对于行政领导有着更丰富的任职经历，较高比例的正职领导具有体制外任职的经历且来自于外部选拔，但总体看来，内部晋升仍是领导的主要晋升方式。     

几乎无偏刘估计的不可容许性

考虑了线性回归模型中,在Fisherian和Mahalanobis损失函数下,几乎无偏刘估计对于最小二乘估计的不可容许性;结论表明:几乎无偏刘估计在Mahalanobis损失函数下是不可容的;最后进行了数值模拟来表明结果.     

图形推理的脑波超慢涨落研究

对140名大学生进行了瑞文图形推理测试,然后从中选取了高分组和低分组各21名参加了脑波超慢涨落测试.结果表明:1)高分组和低分组在α波频率成分以及α波平均频率之间差异均不显著(P>0.05);2)推理能力无论是高分组还是低分组,前、后脑区平均功率符合额低枕高的前、后梯度.图形推理高分组在各个脑区的平均功率均高于低分组,在右额叶、右中央区、右前颞叶以及右后颞叶高分组和低分组差异显著(P<0.05);3)对图形的推理能力高分组和低分组S谱的9种基频成分在全脑出现次数的分析发现,在S 6成分上高分组和低分组差异显著(P<0.01),而在其他基频成分上高分组和低分组差异均不显著(P>0.05).