关于正值函数无穷积分收敛性判别法的讨论

文 [1 ]给出了非负函数无穷积分收敛性的几个判别法 ,本文给出了比文 [1 ]判别法更精细的一个判别法 ,同时 ,通过与文 [1 ]中判别法的比较 ,说明它比文 [1 ]中的判别法都强 .     

组合期权交易策略的概率分析

在假定股票价格服从Ito过程条件下，讨论了采用组合期权交易策略的投资者获益的概率及损益的数学期望，得到了具体计算式，只要投资者获得相应数据，通过具体计算式加以计算，便可以为期权投资者提供数量上的重要参考依据，对期权投资者具有实用价值。     

音乐艺术与造型艺术

本文借助于视觉艺术的外视感应来阐述听觉艺术的内视感应 ,确定时间艺术具有更为广阔的空间想象力和创造力。举出音乐作品实例分析 ,进一步论述音乐艺术随时间流动所产生的心理造型和它的立体性效果。提出音乐魅力所带来的空间氛围、形象意境 ,在心灵感应下会取得长久性的感受与记忆。     

试论西方戏剧的视野

巴赫金把视野分为人物的内视野和外视野。内视野中的人物形象与外视野中的人物形象在空间、时间和思想含义三方面都有一定的区别，前者比后者更具丰富性和发展性。西方剧作家有利用外视野来塑造人物时，比较重视正面人物的内视野，把他们的性格描绘得比较丰富，而反面人物的内视野较为有限。但也有些戏剧在一定的程度上体现了双方的内视野。     

一维核废料污染问题的一个二阶格式

利用降价法研究了多孔介质中一维核废料污染问题，此模型由一非线性抛物－椭圆耦合偏微分方程组的初边值问题来描述，对此问题给出了一个关于时间和空间均具有二阶精度的差分格式，并进行了理论分析。     

数字调制方式的识别研究

数字调制方式的识别对于通信信号分析有着重要的作用 .此文首先介绍了数字调制方式的识别算法(DMRA) ,即判决理论算法的原理 ;然后提出了一种基于该算法的判决流程 ;最后在软件环境中进行计算机仿真 ,通过实验数据对该算法进行修正 .仿真结果表明 ,该修正算法具有较高的识别率和良好的可行性 .     

长春市民办高校与公立高校体育科研现状对比研究

采用文献资料法、数理统计法、比较法对吉林省民办高校和公立高校体育教师的科研现状进行比较分析,比较二者不同年龄、学历、职称的教师发表论文状况,分析二者的科研学术氛围及科研条件,旨在了解长春市两类高校的体育科研的现状,为长春市高校体育科研水平的提高提供参考。     

解读“节约型政府”

建设节约型政府是当前我国政府改革的必然要求。节约型政府模式的选择有其必然性。节约型政府应是廉价政府、廉洁政府、透明政府和效益政府。应通过加强节约型政府的制度建设、在行为方面加强政府自身建设、在各级政府中牢固树立节约理念和成本意识等措施全力，打造节约型政府。     

基于动态拓扑有领航者的智能群体群集运动控制

对具有二次积分动态的智能群体跟随领航者实现群集运动编队,提出了一个分散控制方法对智能群体进行分散控制。基于动态时变有领航者的网络拓扑,用图论模型表示智能体之间的相互作用及通信关系,运用推广的Lyapunov理论、微分包含及非平滑分析进行了稳定性分析,并得到所有智能体速度方向收敛到同一方向并与领航者保持一致;所有智能体速度大小收敛并与领航者相同;互连的智能体之间没有碰撞发生;所有智能体的人工势场函数被最小化等重要结论。给出了一个仿真实例,验证了该方法的有效性。     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.