简单连通图的k阶幂图的指数集(英文)

设Ｇ 是一个ｎ 阶简单连通图,ｋ≥２ 是一个整数．Ｇ 的ｋ 阶幂图记作Ｇｋ ,定义为：Ｖ（ Ｇｋ） ＝ Ｖ（ Ｇ） 且对任意ｕ ,ｖ∈Ｖ（ Ｇｋ） （ ｕ≠ｖ） ,（ ｕ ,ｖ） ∈Ｅ（ Ｇｋ） 当且仅当ｄＧ（ ｕ ,ｖ） ≤ｋ ,则对任意的ｋ≥２ ,Ｇｋ 本原．令Ｅ（ｋ,ｎ） ＝ ｛ γ（ Ｇｋ）｜ Ｇ 是ｎ阶简单连通图｝ ,可以得到Ｅ（ｋ ,ｎ） ＝ｄｋ ｋ＋ １ ≤ｄ ≤ｎ － １ ,　　若２ ≤ｋ≤ｎ － ２ ,｛２｝ ,　　　　　　　　　　　　若ｋ≥ｎ － １ ．     

试论概念间的相容与不相容关系

力求通过概念之间关系的探讨,理清概念间相容与不相容以及它们的层次关系,使人们对概念及概念的层次、相容等关系有一个清楚的了解,以指导工作实践     

试论概念间的相容与不相容关系

力求通过概念之间关系的探讨,理清概念间相容与不相容以及它们的层次关系,使人们对概念及概念的层次、相容等关系有一个清楚的了解,以指导工作实践.     

Bayes网络在机械故障概率估计中的应用

提出了将bayes网络应用于机械故障诊断。主要是为了解决如何从机组运行状态数据中来推断出机组发生某种故障的可能性,从而为进一步的诊断维护提供依据。Bayes网络是一个具有一系列条件概率的有向无循环图。本文采用两层结构的网络模型,上层为旋转机械的故障样本集,下层为症状属性样本集。根据给出的各故障发生先验概率以及各症状节点的条件概率和泄漏概率,利用网络的推理计算,求出机组发生各种故障的后验概率大小。从而达到预测发生某种故障可能性的目的。实例验证了该方法的可行性和正确性。     

自重构模块化机器人的结构

在国外自重构机器人研究的基础上,设计开发了-种新型的网格型的雌雄同体的自重构模块化机器人.机器人中每个模块由一个中心体和6个可独立旋转的面组成,每个面上有2个孔及2个可自由伸缩的轴,驱动电动机通过减速器、锥形齿轮、同步带轮、离合器驱动6个面转动及每个面上轴的伸缩.该模块化机器人结构紧凑,便于进一步扩展.     

二重标准平面选址问题的Voronoi图算法

在分析军事和民用设施平面选址目标的基础上,归纳建立了minisum与minimax、maximin与minimax两类二重标准平面选址模型,结合实例提出了Voronoi图与固定步长搜索相结合的求解方法:首先,根据选址点与需求点及负面影响点的平面位置关系,分析画出选址问题的最远点和最近点加权Voronoi图;其次在指定的Voronoi多边形边线上按固定步长搜索出二重标准平面选址模型的非劣集;最后绘制出二重目标值的权衡取舍曲线.     

基于SINS/GBAS组合导航的高精度进近着陆导航技术

可重复使用运载器在进近着陆阶段对位置偏差有较高的精度要求, 而现有的组合导航方式的导航误差波动幅度较大, 难以满足运载器在进近着陆段的导航要求。因此,本文利用捷联惯导系统(strap-down inertial navigation system,SINS)的非线性误差传播模型, 以陆基增强系统(ground based augmentation system,GBAS)输出的精确位置信息为基础, 建立SINS/GBAS组合导航方法, 并给出“输出+反馈”的组合导航复合修正结构。通过在GBAS中引入电离层误差及对流层误差, 从而实现了对于运载器定位误差在厘米级的精确定位。此外,通过引入扩展卡尔曼滤波技术, 有效地抑制了惯导误差漂移的问题。通过数值模拟仿真, 证明SINS/GBAS组合导航对飞行器进近着陆段的水平与高程定位误差不大于0.05 m, 测速误差不大于0.05 m/s, 从而证实了SINS/GBAS组合导航方式在可重复运载器在进近着陆段导航的可行性。     

UML在实时系统测试环境建模中的应用

针对实时软件测试中测试环境和数据的模拟问题,采用基于UML的实时系统软件测试程序设计方法,使测试程序模拟的环境和数据更逼真、可靠,以保证软件测试的有效性．并以ATC（空中交通管制系统）实时软件测试为例,分析了实时软件测试的特点和存在的问题．以及UML语言的应用特点,利用UML（统一建模语言）提供的面向对象建模机制建立雷达数据模拟的模型,并在此模型基础上设计和开发了雷达数据模拟程序、生成可靠的模拟雷达测试数据．该雷达数据模拟程序已在作者参与的ATC实时软件测试中得到了很好的应用．     

基于超混沌系统和离散分数随机变换的图像加密算法

本文结合超混沌系统和离散分数随机变换,提出一种图像加密新方案,并给出实现该算法的光学装置原理图。在加密过程中,利用超混沌系统产生的混沌序列来构造离散分数随机变换(DFRT)的随机矩阵,再将DFRT的阶数和超混沌系统的初始值作为图像加密算法的主密钥,与单纯的离散分数随机变换的图像加密算法相比,在不增加计算负担的情况下,本算法的明文与密文之间具有更高的复杂性,并加大了密钥空间,提高了密钥敏感性。该系统是一个非线性的密码系统,消除了传统加密系统中因为线性过程而存在的不安全因素,提高了加密系统的抗统计攻击和噪声攻击的能力。     

基于局部非线性地理加权回归模型的地表温度降尺度算法研究

地表温度(land surface temperature, LST)是反映地表状况的一个重要参数,能对地表-大气相互作用过程进行描述。由于受到卫星热红外传感器成像条件的制约,获取的卫星热红外遥感图像存在时间分辨率、空间分辨率难以兼顾的问题,导致反演的LST数据难以得到深入应用。采用LST降尺度算法可以解决此矛盾,获得高时空分辨率的地表温度数据。目前LST降尺度模型逐步由全局模型转向局部模型,但局部降尺度模型忽略了非线性关系。针对此问题,提出基于局部非线性地理加权回归(non-linear geographically weighted regression, NL-GWR)的地表温度降尺度算法。选择合适的研究区域,并分别选取归一化差异植被指数(normalized difference vegetation index, NDVI)、归一化差异建筑指数(normalized difference build-up index, NDBI)以及数字高程模型(digital elevation model, DEM)作为辅助参数进行LST降尺度,将中分辨率成像光谱仪(moderate resolution imaging spectroradiometer, MODIS)地表温度空间分辨率从1 000 m提升到100 m,并将基于地理加权回归(geographically weighted regression, GWR)与NL-GWR模型的降尺度结果进行对比分析。实验结果表明,考虑非线性关系的NL-GWR模型要优于GWR线性模型,能够获得较低的均方根误差(1.96 ℃)和平均绝对误差(1.63 ℃)。