带权高阶椭圆算子Dirichlet第二特征值的估计

设Ω是R^m中的一个有界区域，其边界足够光滑，我们考虑一类带权高阶一致椭圆算子在Dirichlet条件下的特征值问题，给出了其第二特征值的一个上界，该上界与区域Ω的体积无关。     

城市生态系统健康的综合评价

文中着重讨论了城市生态系统健康的评价方法及其应用，采用熵权法赋予指标权重，应用模糊数学方法建立评价模型，以重庆市为例进行城市生态系统健康评价．首先，以北京，天津，上海作为参照城市，进行横向评价，评价结果表明4个城市均处于亚健康状态；其次，对重庆市2001～2004午生态系统健康状况进行纵向评价，评价结果表明，重庆市生态系统健康状况正从亚健康状态向健康状态发展；最后，对重庆市都市图所包括的9个区进行现状评价，运用GIS技术进行等级划分，得出重庆都市囤生态系统健康状态的排序如下：渝北区〉南岸区〉渝中区〉巴南区〉九龙坡区〉江北区〉沙坪坝区〉大渡口区〉北碚区．     

论律师的调查取证权

文章从律师调查取证权的含义出发,通过对律师调查取证权的现状分析,进而对完善律师调查取证权提出了自己的思考与建议.     

增删边对最短路径影响的研究

在有向图中加入或删除一些边时,可能有多种可选的方案,通过对各种方案影响最短路径的大小进行研究;给出联通权重值的定义和对最短路径贡献大小的规定,并给出在多种可能方案中选择最佳方案的具体算法     

基于句子相关度的文本自动分类

提出一种基于句子相关度的文本自动分类模型（TCSC）.该模型利用训练样本增量式地自动更新类别语料库,根据句子的位置权值和语料权值计算句子类别相关度,获得用于文本分类的句子相关度矩阵,通过该矩阵实现文档分类.该模型避免了分类阶段待分类文本特别是中文文本的分词,模糊了词的多义问题,且在文本分类的实验中能够达到86%以上的查全率和查准率;随着语料库的不断训练和调整,分类性能还可以进一步提高,具有简单实现的特点.     

k度Steiner最小权网络的线性时间算法

已知平面上n个固定点集合N和m个可动点集合M,求互连点集N∪M的最短连通网络,要求这个连通网络满足：（1）固定点的度为1,可动点的度为k(k≥3）;（2）n=2 （k-2）m。网络中每条边的权与可动点的位置有关,问题是如何确定这m个可动点的位置,使这个连通网络的权最小,这个问题称为k度Steiner最小权网络问题。本给出了k为偶数,边权值为L1距离时计算最小权网络的O(n ln k)时间算法。     

湖泊富营养化程度评价的改进灰色局势法研究

灰色局势法在水质评价中是将各指标等权划分,而各因子对于水质综合评价所产生的贡献往往不一.本研究将熵权法、简单赋权法、污染贡献率法引入到灰色局势法,并将其应用于东平湖的富营养化评价中,进而考察各评价方法的应用性,并将结果与传统模糊综合评价法的结果进行比较.结果显示:基于熵权法的灰色局势评价法通过引入熵权来确定权重,避免了主观确定权重的随意性,有效地解决了确定水质的优劣和所属问题.而基于简单赋权法及污染贡献率法的灰局法只能用于粗略评价,在多湖泊多测点的评价中,需要明确评价所参照的统一标准等级,才能使评价结果具有可比性.     

利用遗传算法优化人工神经网络权值

遗传算法是一种新的、基于自然选择和基因遗传学原理的随机搜索算法．针对神经网络中BP算法学习效率低且收敛速度慢以及容易陷入局部最优等不足，文章提出利用遗传算法对BP神经网络中的神经元间的连接权值进行优化的方法．试验结果表明，用遗传算法优化BP神经网络的连接权值后收敛速度快，并有效的解决了BP算法容易陷入局部最优的问题．     

基于熵和熵权原理的决策模型

本文介绍在考虑一个具有m个评价指标,n个评价方案的多属性的评价问题中,按照定性与定量结合的原则取得个对象关于多指标的评价矩阵,再对各个方案的个指标进行集合和综合形成一个综合性的指标,通过比较这个指标的大小,最总确定各个方案的优劣的熵和熵权原理模型。并探讨了熵和熵权原理决策模型在评价各类艾滋病疗法效果上的实际应用。     

基于加权局部梯度直方图的头部三维姿态估计

在实时估计人的头部三维姿态时,基于局部梯度方向直方图的面部特征表示方法容易受到背景和环境的影响,其检测精度无法满足实际需求。为了减少图像或视频序列中背景和环境的影响,提出了一种新的对面部特征进行描述的方法,即基于肤色权值和高斯权值加权的局部梯度方向直方图特征表示方法。在具体计算时,首先进行人脸检测并将人脸区域缩放到统一大小,然后计算人脸区域每个像素点对应的梯度方向,接着计算肤色权值并利用肤色权值和高斯权值对梯度方向进行加权得到加权局部梯度方向直方图,从而强化面部特征在直方图中的比重,有效减小背景对头部三维姿态估计的影响,最后利用非线性支持向量回归机求解加权局部梯度方向直方图与头部三维姿态之间的关系。实验结果表明:该特征表示方法具有更高的检测精度。