中值定理证明中辅助函数构造法及其比较

本文作者结合教学实践总结了微分中值定理证明中辅助函数的各种构造法,并对其进行了比较。     

浅谈构造法在微积分中的应用

浅谈构造法在微分中值定理的论证、反例的构想、解题证题等方面的一些应用。     

关于三角形外角的莫雷定理

文章提出了莫雷问题的一个新情况,并给出了一种构造法的证明.     

用构造基证明归纳定理

在测试集方法的基础，引入一个新的概念－构造基，用于产生完全的但非冗余的不可归的约基项；提出构造基归纳原理，将显式归纳证明和隐式归纳证明有机地结合在一起。对测试集方法做出了改进，实验表明：这种方法提高了归纳定理的证明效率。     

中值定理证明中辅助函数的构造

在中值定理的证明中构造辅助函数是关键,怎样构造出辅助函数是中值定理证明中的难点.本文通过对定理条件和结论的分析,给出了构造辅助函数的规律和方法.     

中值定理中逆推法构造辅助函数

介绍了一种基于罗尔定理用逆推法来构造辅助函数的方法,它是从结论出发,逆推而上,构造出辅助函数.     

区间上连续函数的性质与构造证明法

连续函数是"微积分"研究的主要对象;区间上连续函数的性质是"微积分"课程的重要内容;也是被认为很困难的内容;许多教材为了回避困难,不惜先引入定理,在教材的后面部分再给出证明;其实,闭区间上连续函数性质的证明的难度不会超过证明确界定理的难度,而证明这些定理的思想方法可能比这些定理本身更重要;将在确界定理与单调有界定理的基础上,利用构造性方法给出闭区间上连续函数性质的证明;并由此深入讨论一般区间上连续函数的性质。     

"中值定理"命题证明中的辅助函数构造

高等数学中有关"中值定理"的命题的题型复杂多变,技巧性强,学生在解决这类问题时,往往感到很棘手;特别是需作辅助函数求解时,更觉困难.文章试图从题型的结论类型出发,列举一些函数的构造方法,以达到解题目的.     

构造法解题

构造法是根据题设条件或结论所具有的特征、性质,构造出满足条件或结论的数学模型,借助于该数学模型解决数学问题的方法。数学中的构造法一般可分为两类,一类为直接性构造法,一类为间接性构造法。     

拓扑空间中的连通性

介绍了拓扑空间中的局部连通和道路连通,获得了以下结果:实数空间是道路连通的,欧氏平面中的单位圆周是连通的,欧氏平面中所有至少有一个坐标为有理数的点构成的集合是一个连通子集.证明了几个局部道路连通空间的定理和与拓扑空间中的连通性有关的几个定理.     

函数的图像连通性

引入实数空间Ｒ上的图像连通函数的定义,并将它与连续函数进行比较,讨论它们之间的关系,同时研究了图像连通函数的一些类似于连续函数的性质：四则运算、介值性以及复合函数的图像连通性等     

L-预拓扑空间的局部连通性

在L-闭包空间的连通性基础上定义了L-预拓扑空间的局部连通性,并给出了局部连通的L-预拓扑空间的等价刻画,然后讨论了局部连通L-预拓扑空间的一些性质.最后证明了局部连通L-预拓扑空间与连续映射构成的范畴是一个弱拓扑范畴.     

区间值度量空间的可乘性和连通性

给出了区间值度量空间的概念,根据一般拓扑学中积拓扑的定义,证明了可数多个区间值度量空间具有可乘性,讨论了区间值度量空间中的连通性。     

L-拓扑空间的Os-r连通性

利用r闭包引入L-拓扑空间的Os-r连通性概念,研究了它的若干性质,证明了它是L-好的推广。     

L-预拓扑空间的局部连通性:可乘性与L-好的推广

主要证明了L-预拓扑空间的局部连通性相对乘积运算是可乘的且是L-好的推广。     

向量拟均衡问题解集的连通性

引入带有集值映射的向量拟均衡问题的f-有效解的概念,并在Hausdorff拓扑向量空间中利用标量化的方法研究了向量拟均衡问题解集的连通性。     

弱拓扑分子格的连通性及局部连通性

定义弱拓扑分子格的连通元并讨论其基本性质(包括连通的可乘性),研究了弱拓扑分子格的局部连通性。     

L-双拓扑空间中几类弱连通集及其性质

借助θ-闭包引入BOs-θ连通性,WPOs-θ连通性及POs-θ连通性等概念,并研究了其若干性质,得出一族两两非WPOs-θ隔离的WPOs-θ连通集之并是WPOs-θ连通集,一族两两非POs-θ隔离的POs-θ连通集之并是POs-θ连通集.     

An atlas-based fuzzy connectedness method for automatic tissue classification in brain MRI

A framework incorporating a subject-registered atlas into the fuzzy connectedness (FC) method is proposed for the automatic tissue classification of 3D images of brain MRI. The pre-labeled atlas is first registered onto the subject to provide an initial approximate segmentation. The initial segmentation is used to estimate the intensity histograms of gray matter and white matter. Based on the estimated intensity histograms, multiple seed voxels are assigned to each tissue automatically. The normalized intensity histograms are utilized in the FC method as the intensity probability density function (PDF) directly. Relative fuzzy connectedness technique is adopted in the final classification of gray matter and white matter. Experimental results based on the 20 data sets from IBSR are included, as well as comparisons of the performance of our method with that of other published methods. This method is fully automatic and operator-independent. Therefore, it is expected to find wide applications, such as 3D visualization, radiation therapy planning, and medical database construction.