关于Kn-{vn-5vn-4,vn-3vn-2,vn-1vn}(n≥14,n≡0(mod 2))的点可区别边色数

给出了图K_n-{v_(n-5)v_(n-4),v_(n-3)v_(n-2),v_(n-1)v_n}(n≥14,n≡0(mod2))的点可区别边色数,其中Kn为n阶完全图。     

煤岩超微孔隙结构特征及其分形规律研究

煤岩超微孔隙结构对煤的吸附和强度性能起到非常重要的决定作用.为了对其进行精确测定,采用了高精度压汞仪对来自8种不同硬度的煤样进行压汞法实验,测定得出超微孔隙结构的所有特征参数.根据压汞法基本原理和分形几何学理论建立了切合实际的煤孔隙分形维数计算模型,利用孔隙特征参数计算出各硬度的孔隙结构分形维数.研究发现:煤孔隙结构具有很好的分形特征,煤体越松软,分形性越好,用分形规律研究煤岩孔隙结构越精确;随着煤体硬度的增加,孔隙分形维数不断降低,煤体抗压强度不断增大;建立硬度与孔隙分形维数之间的定量关系式,可以用硬度定量描述煤的吸附性和抗压强度.研究结论对于煤层瓦斯的运移、瓦斯抽放以及瓦斯突出均有着极为重要的意义.     

AOS协议包复用帧中包时延性能研究

对CCSDSAOS协议中包信道复用技术进行研究,仿真分析了在包到达率服从泊松分布条件下,高效率帧生成算法和自适应帧生成算法的平均包时延均值。仿真结果表明,自适应帧生成算法比高效率帧生成算法具有更小的平均包时延均值与方差。     

金属熔体的结构与性质Ⅰ——固-液相变的剩余键数

基于金属的固-液相变机制和液态金属的微观不均匀理论,建立了熔化潜热、汽化潜热与熔点处金属熔体中的剩余键数、近程有序原子数之间的物理模型,并给出了该模型的数学推导和证明.该模型只需要晶体结构的基本参数及热物性数据就可以得到金属固-液相变后原子集团内的剩余键数和所包含的近程有序原子数,为进一步认识熔体结构信息提供了有效的途径.利用所建立模型计算了铝、镍熔体的剩余键数和近程有序原子数,计算结果与试验值吻合较好.同时,讨论了原子序数对第I、第II主族元素熔体的剩余键数和近程有序原子数的影响.     

局部凸空间的平均强凸性与平均强光滑性

给出局部凸空间平均强凸性和平均强光滑性的定义,刻画平均强凸和平均强光滑局部凸空间的特征,并建立了偶对平均强凸性和平均强光滑性之间的对偶关系.     

一种改进的小波变换基音检测算法

为了克服目前诸多基音频率检测算法精度低、复杂度高和鲁棒性差的缺点,提出一种利用小波变换结合线性预测的去噪方法,并通过自相关函数和平均幅度差函数的线性组合得到基音频率,实验验证,该方法性能明显优于自相关函数法和平均幅度差函数法,减少了倍频及半频的误差提取,提高基音频率的提取精度,同时在低信噪比的情况下,仍能精确提取出基音频率.     

单峰映射允许搓揉序列的Hausdorff维数和测度

利用Hausdorff维数和Hausdorff测度, 对单峰映射的允许搓揉序列的集合给出定量刻画, 证明了该集合在两个符号的单边符号空间中Hausdorff维数是1, 1维Hausdorff测度是0.这与传统的定性分析相比, 结果更有意义.     

基于分形理论的沥青混合料抗滑耐久性评价研究

沥青混合料的设计过程均考虑到高温,低温,水损等的影响,并在设计过程中进行了相关实验来保证混合料的设计质量,但是在国内外沥青混合料设计中,并没有表征其抗滑耐久性的指标,为解决此问题,引入分形维数作为沥青混合料的抗滑耐久性评价指标。研究过程采用快速,简便的室内搓揉试验对车辙板进行不同时间段的搓揉,室内模拟路面抗滑衰减,用工业CT机扫描出试件断面高精度图像,photoshop技术提取断面轮廓曲线,并且对轮廓曲线采用分形理论进行分析和评价,编写MATLAB程序计算试件断面轮廓曲线的分形维数,最后对分形维数进行曲线拟合得出沥青混合料抗滑衰减规律的结论。为进一步证实用分形维数来表征沥青混合料抗滑衰减的准确合理性,测量不同搓揉阶段的车辙板的构造深度(MTD)和摆值(BPN),最终可知随着车辙板搓揉时间的不断变大,MTD,BPN,分形维数,三者均呈现不断递减的趋势,即对比验证合理可靠。因此,断面构造的分形维数能够很好的评价沥青混合料的抗滑耐久性及其衰减规律。     

一类连续不可微函数的构造及其Bouligand维数

 利用Buch的方法构造出了一类处处连续,但处处不可微函数,该函数是Buch所构造出的函数的推广,并对该函数图像的盒(Bouligand)维数进行了估计,得出了Buch函数的盒维数只是其中的一种特殊情况.     

改进的智能机器人语音识别方法

作为一种人机信息交互技术,语音识别技术得到了广泛的应用.介绍了基于凌阳十六位单片机SPCE061A的语音识别系统.并且采用了以传统的线性预测倒谱系数(LPCC)与分形维教相结合的混合参数作为特征参数的语音识别方法.LPCC方法是体现说话人特定的声道共振特性的线性预测方法,而分形维数则可以定量的描述语音气流中的非线性混沌特征.实验结果表明,基于LPCC与分形维数混合参数的语音识别方法要比单一的LPCC参数语音识别方法识别效果好.