非线性阵列Khatri-Rao子空间宽带DOA估计

针对非线性阵列,基于Khatri-Rao子空间概念提出一种新的无预估角宽带到达角(direction-of-arrive,DOA)估计方法. 从Khatri-Rao子空间虚拟阵列导向矢量出发,利用虚拟阵列所增加的维数,以流形分离技术构造与到达角无关的宽带聚焦矩阵,无需预估角且估计性能良好. 采用Root-MUSIC算法避免传统算法中的谱峰搜索过程,降低了计算量. 仿真结果表明,该方法与需要预估角的已有Khatri-Rao子空间宽带DOA估计方法FKR-RSS相比,具有相近的估计精度和目标分辨力. 在信号源数大于阵元数的情况下,其性能优于FKR-RSS.     

被材料“绑架”的神笔马良

<正>或许3D打印机这个奇怪的机器你见所未见,也从未了解过3D打印技术的概念,但你可能会记得一些电影中的场景:在《星际迷航》中,主人公对一台机器发出"水"的口令,一杯水就出现了;《云图》中,丰富的食物被机器"打印"出来;《第五元素》中,由一台机器"打印"出女主角的骨骼、肌肉和皮肤。3D打印机就这样披着魔法世界中     

二甲双胍+吡格列酮治疗糖尿病的临床研究

探索二甲双胍+吡格列酮治疗糖尿病的临床研究。择取80例糖尿病患者采用摸球法随机划为观察组(40例)和对照组(40例),给予对照组患者二甲双胍治疗方案,给予观察组患者二甲双胍联合吡格列酮治疗方案,对比分析治疗前后血糖指标、临床疗效、不良反应发生率、治疗满意度。治疗前对照组空腹血糖和餐后2 h血糖分别为(7.56±0.41)mmol/L和(8.44±1.18)mmol/L,观察组空腹血糖和餐后2 h血糖分别为(7.72±1.19)mmol/L和(8.28±1.08)mmol/L,对比无差异(T=0.804 0、0.632 6;P=0.4238、0.5288)而治疗后对照组空腹血糖和餐后2 h血糖分别为(6.18±1.31)mmol/L和(7.18±2.17)mmol/L,观察组空腹血糖和餐后2 h血糖分别为(5.26±0.27)mmol/L和(6.46±0.18)mmol/L,均低于对照组(T=4.350 2、2.091 3;P=0.000 0、0.0398);观察组临床治疗总有效率为100.00%,治疗满意度为100.00%,均高于对照组(治疗总有效率为80.00%,治疗满意度为75.0...     

短正合列的弱可裂

把短正合列的可裂推广到短正合列的弱可裂，并对弱可裂进行了等价刻画，最后还运用左弱可列证明了平坦模的一个充要条件。     

按序列分布混沌与分布混沌不等价

构造一类按序列分布混沌而不是分布混沌的极小子转移,从而证明对限制在测度中心上的紧系统,按序列分布混沌一般不等价于分布混沌.     

中国珠蕨属孢子形态的研究

利用扫描电子显微镜对我国产珠蕨属5种植物的孢子进行了观察。结果表明,该属孢子形态较为一致,三裂缝,辐射对称,极面观为钝三角形,具明显的角,赤道面观为半圆形或超半圆形。由外壁和周壁共同形成纹饰轮廓,财壁紧附于外壁上,呈疣状或具颗粒状的疣块状。作者从孢子形态的角度,对珠蕨属的与中国蕨科其他属之间的关系及分类位置进行了探讨。     

二维单位球上不同加权Dirichlet空间之间的总体紧复合算子列

设n:Ｂ→Ｂ是一全纯映射列并且是单叶的,n(0)=0,n的Fréchet导数是有界的,并且｜Ｊn(z)｜≠０且有界,Ｃn:D２α（Ｂ,dυa）→Ｄ２β（Ｂ,dυB）（α,β＞２２＋１）是一致有界线性复合算子列．作者利用测度给出了此复合算子列的总体紧性．     

基于属性预扫描的不确定性函数依赖挖掘

函数依赖是关系数据库和数据建模中所需的关键约束知识。在海量数据中挖掘函数依赖时为降低噪音干扰和提高效率,该文采用带有满意度函数依赖的概念及挖掘带有满意度函数依赖的算法(MFDD),对噪音进行测度与表达,并有效挖掘得到函数依赖最小集。利用对属性散列度的测度概念,在带有满意度函数依赖的理论框架内采用3条优化策略,实现了属性预扫描算法。结果表明:基于该算法可显著提高挖掘效率。     

暂列金额的思考

暂列金额是工程造价的重要组成部分.通过2003年与2008年<建筑工程工程量清单计价规范>的对比,就暂列金额的使用范围、设置目的、性质、程序使用、估数计取方法及控制的关键等方面进行了阐述.     

Prominent feature selection of microarray data

For wavelet transform, a set of orthogonal wavelet basis aims to detect the localized changing features contained in microarray data. In this research, we investigate the performance of the selected wavelet features based on wavelet detail coefficients at the second level and the third level. The genetic algorithm is performed to optimize wavelet detail coefficients to select the best discriminant features. Experiments are carried out on four microarray datasets to evaluate the performance of classification. Experimental results prove that wavelet features optimized from detail coefficients efficiently characterize the differences between normal tissues and cancer tissues.