钒掺杂碲化锌团簇结构和磁性质

本文采用第一性原理密度泛函理论系统地研究了V原子单掺杂和双掺杂(ZnTe)12团簇的结构和磁性质.我们考虑了替代掺杂、外掺杂和内掺杂.不管是单掺杂还是双掺杂,外掺杂团簇都是最稳定结构.团簇磁矩主要来自V-3d态的贡献,4s和4p态也贡献了一小部分磁矩.由于轨道杂化,相邻的Zn和Te原子上也产生少量自旋.V原子之间的磁性耦合是短程相互作用.     

具有可调记忆长度的演化雪堆博弈

为了研究异质无标度网络上个体的动态博弈行为及其合作稳定性,引入可调的记忆长度参量,提出了一种新的基于可调记忆长度的雪堆博弈演化模型.发现:当损益比r＜0.5(r＞0.5)时,随着此参量的增加(减少),网络中大度(小度)节点具有较长记忆长度时,无标度网络个体的合作频率与纯合作频率逐渐上升,并且使个体间的合作稳定性增强,利于合作的巩固.     

基于交通出行特性的家庭概率分布及出行产生预测研究

应用聚类分析、交叉分类及概率论等理论方法对基于交通出行特性的家庭概率分布模型及出行产生预测进行了研究。首先对锦州市实际调查的家庭样本数据进行分析,确定初始家庭类别,然后运用系统聚类分析法对初始家庭类别进行聚类分析,用于家庭分布概率模型研究,减少了家庭样本的分类类型和研究不同类别家庭出行特性的工作量,避免了交叉分类法以往存在的一些问题。在此基础上,最终建立了家庭分布概率模型并用于预测交通产生量。     

浙江省民生发展状况评价分析

本篇论文在分析了民生含义的基础上,建立了民生发展评价的指标体系,运用统计方法对浙江各地市的民生发展状况做出了对比分析,就其中存在的问题提出了一些解决措施。     

柴黄颗粒的红外指纹图谱研究

分别采用相似度、聚类分析法和基于主成分分析的投影判别法对柴黄颗粒红外图谱的一致性进行了考察,结果显示30个柴黄颗粒样本的红外图谱一致性良好,采用平均值法建立了柴黄颗粒的红外指纹图谱。     

浅析数据挖掘

随着社会信息化不断进步发展,大量的信息充斥在我们的社会中。大量信息在给人们带来方便的同时也带来了一大堆问题：第一是信息过量,难以消化;第二是信息真假难以辨识;第三是信息安全难以保证;第四是信息形式不一致,难以统一处理。人们开始提出一个新的口号：＂要学会抛弃信息＂。人们开始考虑：＂如何才能不被信息淹没,而是从中及时发现有用的知识、提高信息利用率？＂数据挖掘技术将是上述问题的终结者,也将成为网络之后的下一个技术热点。     

不同播种组合无芒雀麦产量构成因子的数量特征分析

采用系统聚类分析、相关分析和模糊综合评价方法对不同行距与播种量组合处理的无芒雀麦种子产量构成因子的数量特征进行了研究.系统聚类分析结果表明：在欧氏距离等于1.5时可将12个播种组合分为2类,第一类为窄行距类,播种组合有A30、B30、C30、B50和C50;第二类为宽行距类,播种组合有A70、B70、C70m、A90、B90、C90和A50.类内种子产量构成因子的数量特征相似,类间差异显著.行距对单位面积生殖枝数、营养枝数、小穗数/花序、秸秆重量、经济系数等的影响较明显,而对穗长、种子数/花序的影响不明显.模糊综合评价结果表明,窄行距类各组合综合效果值（≥0.0927）大于宽行距类（≤0.0852）,其中A30和B30组合产量构成因子的综合效果最优.     

促进以科学为基础的产业集群发展——美国乔治亚州集群策动案例解析

基于地方供应链长期关系的集群称为＂传统集群＂。基于合资R＆D临时联合关系的集群称为＂以科学为基础的集群＂。集群方法与创新体系思想和三重螺旋理论是兼容的和互补的,因此集群方法可作为建立区域创新体系和实现三重螺旋模式创新的有用载体和工具。美国乔治亚州的集群策动案例,提供了将三者有机结合的范例,它的集群策动组织形式、资助方式、运作机制给我们提供了许多有价值的启示。     

Poisson定理的一个推广

Ｃｈｏｗ，Ｙ，Ｓ（１９９２）证明了独立Ｂｅｒｎｏｕｌｌｉ试验中连续中功次数的Ｐｏｉｓｓｏｎ定理。在本文中，我们讨论了Ｍａｒｋｏｖ链组列、可交换随机变量组列中的随机和的Ｐｏｉｓｓｏｎ定理，并证明了其结果对连续成功次数所成的部分和仍成立。     

A latent class procedure for the structural analysis of two-way compositional data

This paper develops a new procedure for simultaneously performing multidimensional scaling and cluster analysis on two-way compositional data of proportions. The objective of the proposed procedure is to delineate patterns of variability in compositions across subjects by simultaneously clustering subjects into latent classes or groups and estimating a joint space of stimulus coordinates and class-specific vectors in a multidimensional space. We use a conditional mixture, maximum likelihood framework with an E-M algorithm for parameter estimation. The proposed procedure is illustrated using a compositional data set reflecting proportions of viewing time across television networks for an area sample of households.