一维介电原子链中的热传导研究

运用Ford-Kac-Mazur(FKM)方法对一维介电原子链进行了研究,在固定和自由边界条件下得到了热流的具体表达式,通过数值模拟,给出了不同条件下热流随体系大小的变化趋势。通过对比我们发现,边界条件、有序与无序对一维介电原子链的热传导有很大的影响。另外,傅里叶定律在简单的介电原子链中不成立。     

考虑近邻作用下的一维铁磁链中的孤子

利用行波解法,研究了在次近邻作用影响下的一维铁磁链,得出其孤子解以及孤子的相应的特征量-峰宽、峰值、能量等.然后再考虑个近邻作用影响下的一维铁磁链,得到一维铁磁链的孤子通解以及相应的特征量,并分析了近邻作用对孤子的相应的特征量的影响.     

自旋密度波对有次近邻互作用超导体的影响

本文研究具有次近邻互作用的2 1维BCS型超导体与自旋密度波共存的系统。在平均场近似下,应用含温度格林函数方法讨论自旋密度波序参量M对超导相变温度Tc的影响。计算表明不可能出现自旅密度波提高Tc的情况,而当M较大时,往往破坏超导电性。     

不同近邻作用下一维双原子链晶格振动色散关系

在简谐近似和周期性边界条件下,推导出最近邻近似、次近邻近似和所有原子相互作用下一维双原子链晶格振动的色散关系.数值模拟表明：随着原子间库仑作用的增强,3种色散关系的频率不断降低、频隙逐渐减小,但最近邻近似的色散关系曲线形状基本保持不变,而次近邻近似和所有原子相互作用的色散关系在布里渊区中心的光学模频率向低频方向移动,并且所有原子相互作用下布里渊区中心的光学模软化更快.     

基于考虑次近邻车的新型交通流格子模型

在连续交通流格子模型基础上,提出考虑次近邻车对车流的影响作用,并采用新的模型构建方法构建一种车流优化的交通流格子模型。应用线性稳定性理论和非线性理论进行分析,得到车流的稳定性条件,并得到描述车流阻塞相变的mKdV方程。最后应用数值模拟验证mKdV方程的存在条件,模拟结果表明这种考虑次近邻车的新型交通流格子模型能够更好地刻画车流的稳定机理,更加符合实际交通流特点。     

多近邻作用下具有在位势的一维双原子链晶格振动的色散关系

考虑原子间长程库仑相互作用,求解了具有在位势的一维双原子链晶格振动运动方程组,得到了色散关系并作了简要讨论,发现多近邻作用下在位势对禁带宽度,频隙,高频支顶在布里渊区的位置等因素的影响具有不同于最近邻模型的新特征。     

晶格振动的次近邻相互作用

在体心立方晶体的[100]方向上,计算了最近邻和次近邻相互作用的晶格振动比仅计算最近邻相互作用的更好。晶格波的简并度降低,更加符合群论和实验结果。     

计及次近邻作用二维单原子正方晶格振动的色散关系

基于晶格动力学理论推导了计及次近邻原子作用下二维单原子正方晶格振动的色散关系,得到第一布里渊区中3种特殊对称方向的色散关系表达式,每一对称方向仅有两支声学波．分析讨论次近邻原子间作用对色散关系的影响,结果表明：在缺乏次近邻原子作用下Г-X方向横波频率为零,X-M方向高频声学波是无色散的,Г-M方向纵波与横波简并;随着次近邻原子间作用的增强,Px和X-M方向声子频率增大,Г-M方向纵波频率也增大,并且当4γ2〉γ1时纵波频率出现极大值,而其横波频率不变,但是11点和M点声子频率始终不变并分别简并．     

铬铁矿四面体中亚铁的次近邻效应

用穆斯堡尔谱学研究了河南西峡铬铁矿３个矿物样品。两个铬铁矿的谱被拟合成３套双峰，一个谱被拟合成４套双峰。然后用次近邻效应和Ｂ位上阳离子二项式分布计算结果解释了出现３套或４套双峰的原因。     

一维FPU模型的热传导

采用分子动力学方法分析一维FPU模型的热传导,以研究低维系统的热传导是否遵循Fourier热传导定律.结果表明:只有在两端温度较高的情况下,其温度才能呈现梯度分布,且热导率与链长呈指数关系;而如果两端温度很低,则不能形成梯度分布.     

一维双原子链晶格振动中的次近邻

目的研究一维双原子链的色散关系,并与最近邻近似下的结果进行比较。方法以一维离子晶体为例,分别考虑次近邻原子和所有原子的作用,利用数值模拟的方法。结果得到了一维双原子链的色散关系的一般表达式,即ω2=2m11m2{-x(m1 m2)±[x2(m1 m2)2-4m1m2(x2-y2)]}。结论对一维双原子链来说,次近邻对色散关系的贡献也是比较大的。     

融合相对密度与近邻关系的密度峰值聚类算法

密度峰值聚类算法(density peaks cluster,DPC)是一种基于密度的聚类算法,该算法可以聚类任意形状的类簇.在类簇间有密度差距的数据集上,DPC不能准确地选择聚类中心.DPC的非中心点分配策略会引起连续错误,影响算法的聚类效果.模糊k近邻密度峰值算法(fuzzy k-nearest neighbor DPC,FKNN-DPC)是一种改进的DPC算法,该算法采用边界点检测并结合2步分配策略来避免连续错误.当类簇间有密度差距时,FKNN-DPC的边界点检测效果不理想,此外,其非中心点分配策略缺乏对样本近邻信息的考虑.定义相对密度(relative density)并结合近邻关系(nearest neighbor relationship)提出RN-DPC算法解决上述问题.针对DPC因为类簇间的密度差距而不能准确选择聚类中心的问题,定义相对密度用于消除类簇间的密度差距.基于反向k近邻关系检测边界点并且引入共享最近邻关系来对FKNN-DPC的分配策略进行改进.RN-DPC算法在人工数据集和真实数据集上分别与不同的聚类算法进行了对比,实验结果验证了RN-DPC算法的有效性和合理性.     

Theoretical analysis of the confidence metrics for nearest neighbor classifier

Confidence value plays a vital role in the decision of rejection threshold and the integration of multiple classifiers. Nearest neighbor (NN) classifier is the most traditional and most common nonparameter statistical pattern classifier. However, so far there is no explicate theoretical analysis of the connection between nearest distance and confidence value. An analytical insight into different approximations is presented and one formula is pointed out that it is optimal in the sense of mathematical expectation. Practice in handwritten numeral recognition strongly supports the conclusion.     

t′次近邻跃迁对角分析光电子谱的影响

以SDW波模拟赝能隙,基于具有自旋密度波(SDW)和d-波超导对称性(DSC)的Hub bard唯象模型,同时考虑近邻、次近邻跃迁效应,在平均场近似下计算谱函数及态密度,研究赝能隙和次近邻跃迁(t′)对ARPES的影响。发现考虑次近邻跃迁后得到的结果与铜氧化物高温超导体的性质符合的更好。     

可变导热系数的颗粒复合介质传热性质的研究

讨论了可变导热系数的复合介质的传热性质。当介质的导热系数是温度的函数时，热传导方程是非线性偏微分方程，作者采用基尔霍夫变换把它变成拉普拉斯方程，于是可以找到原问题的近似解析解。文中考虑一个最为简单的例子：由圆柱形的杂质构成的二维系统，杂质浓度很低，可以忽略颗粒之间的相互作用，杂质具有可变导热系数，基质的导热性质不随温度变化。在此基础上，用朗道方法导出计算可变导热系数的复合介质的有效导热系数的公式。     

ND序列下最近邻密度估计的强相合速度

在ND(negatively dependent)样本下研究最近邻密度估计的强相合速度,利用ND序列的指数不等式以及ND序列的性质,给出了最近邻密度估计强相合速度的充分条件。     

基于支持向量机与k近邻相结合的网络入侵检测研究

针对基于支持向量机算法的网络入侵检测方法,对交错严重的大规模复杂样本集,分类面附近的样本被正确分类可信度低,基于k近邻算法的检测方法测试结果不稳定等问题,提出一种将k近邻与支持向量机相结合的网络入侵检测方法。在分类时,计算待识别的网络连接记录样本与最优分类超平面的距离,如果距离大于预设阀值,采用支持向量机算法对连接记录进行分类,否则采用k近邻法对连接记录进行分类,同时为减少检测方法受样本分布不均衡的影响,采用带权重因子的欧式距离来度量样本间的相似度。最后在KDD99数据集上进行仿真实验,结果表明,相对于单一的支持向量机或k近邻算法的网络入侵检测方法,k近邻与支持向量机相结合的入侵检测方法可以进一步提高网络入侵检测的正确率,是一种较好的网络入侵检测方法。     

NQD样本下非参数回归函数最近邻密度估计的相合性

在样本为平衡的两两 NQD的情况下得到了非参数回归函数m(x) 的最近邻估计mn(x) 的相合性.得到弱相合的充分条件比在样本序列((xn,yn),n≥1)为平稳-混合情况下得到的mn(x)的弱相合性的充分条件弱.     

基于维度近邻关系扩散的改进粒子群优化算法

针对标准粒子群算法存在容易早熟及陷入局部最优等缺陷,提出了一种基于维度近邻关系扩散的改进粒子群优化算法.改进后的算法初始化时借鉴k-means对空间中粒子的维度进行聚类,聚类的标准为每个维度之间的欧氏距离,算法中将聚类得到的每个起始类视为一个家庭.家庭内部和外部分别进行迭代更新,结合智能单粒子优化算法的思想将粒子的更新速度划分为对应的家庭速度子矢量.粒子间交换记录的扩散和传播借鉴在线社会网络传播模型,在采纳信息的过程中不仅会考虑信息的价值,也会考虑其周围粒子状况.结合禁忌搜索优化算法,通过将该算法中的建立禁忌表、设定禁忌搜索长度和特赦准则等策略来避免重复搜索和改进算法的全局搜索性能,提高解的精确性.实验结果表明,改进后的算法有效解决了算法收敛速度慢、求解精度低等问题.