古时彝族度量衡的概述

凉山彝族过去有一套自己认定的度量衡标准，它虽不十分精确，但被广泛使用，至今还存在于凉山彝族生产生活之中。     

局域网无盘工作站适应不同软件的一种方法

在局域网无盘工作站上运行软件时，常会因内存不够，而导致软件不能正常在工作站上运行。其实，不同的软件对工作站系统配置有不同的要求，这就需要建立几种具有不同系统配置的启动映象文件，以适应不同软件的运行。本文给出了三种无盘工作站进入文件服务器的启动映象文件及使用方法。     

模糊度的性质及其不一致性

对模糊度的性质进行了讨论，得到了一些有意义的结果，这些结果来模糊度理论的完善及在实际应用中如何选择适当的模糊度奠定了初步的基础；提出了模糊度定义的不一致性，并通过实例对几个常用的模糊度的计算公式的不一致性进行了验证；同时指出了模糊度定义的不一致性在图像处理中应用时可能会产生的影响，并做了初步的理论分析。     

多处理器系统中的数据局部性及其优化技术研究

数据局部性是多处理器系统中的重要研究方向之一。结合该领域目前国内外研究现状和我们近一阶段的研究进展，讨论了多处理器系统中的数据局部性及其优化问题。针对现有局部性度量模型存在的不足，提出了一种增强的可用于层次式并行计算机体系结构的局部性度量模型。在静态和动态局部性优化技术方面，分别探讨了基于投影分层的数据变换框架和基于瞬时访问信息的动态页迁移策略，并展开了系列相关的讨论。另外，针对利用数据局部性时必须解决的一个关键问题--存储一致性问题，进行了深入的研究，提出了以操作系统为中心的线程存储一致性模型。     

有序加权平均算子在UML类图度量中的应用

随着面向对象技术在软件理论和应用的快速发展,如何科学合理的度量面向对象软件质量已成为软件工程中一个热点问题。目前,针对软件度量的研究很多,但是关于类图度量的研究较少。类图作为软件开发中一种非常重要的模型图,其复杂性对软件质量有着明显的影响。为研究类图的复杂性,将已有的基于OWA算子的多属性决策方法应用于UML类图的度量,提出一种度量UML类图复杂性的新方法,通过OWA算子度量的计算结果,可以有效的对面向对象软件的复杂性进行科学合理的度量。     

结合加权子空间和相似度度量学习的人脸验证方法研究

在无约束条件下,人脸表情、姿态、光照以及背景等复杂因素可能导致人脸图像的类内变化大于类间变化.针对如何降低较大的类内变化对人脸验证研究的影响,本文结合加权子空间,提出了一种带先验相似性和先验距离约束的相似度度量学习方法.首先,利用类内人脸对样本,学习带权重的类内协方差矩阵,通过加权子空间的投影,从人脸图像中获得鲁棒性的人脸特征表达;其次,利用样本对的相似性与差异性,建立了带先验相似性和先验距离约束的相似度度量学习模型,优化后的度量矩阵可以有效提高特征向量的类内鲁棒性和类间判别性;最后,利用优化的度量矩阵计算人脸对的相似度.在LFW(Labeled Faces in the Wild)数据集的实验验证了所提模型的有效性,与其它同类相似度度量学习方法相比,优化的度量矩阵更能准确地评估人脸间的相似性,并在受限训练集上取得了91.2%的识别率.     

关于信息度量算法的进一步研究

Shannon熵在信息论的发展和应用中起着关键的作用,但是Shannon熵还存在许多局限性。为了更好地克服Shannon熵的局限性,在前人的基础上修改了Shannon熵的公理。用公理化的方法,推导出了有限分布列的离散型随机变量的信息量系,不仅将它推广到连续型随机变量,而且将信息量系的最大信息量定理推广到连续型随机变量,统一了离散型和连续型随机变量的信息度量算法。最后利用得出的结论对连续型随机变量信息熵给出两个验证性算例。     

风电功率波动的相似性研究

随着风能的大规模开发利用,风电在电网中所占的比例逐渐增大,风电的波动给电网的稳定运行带来许多不利影响,风电功率波动研究逐渐成为风能研究领域的热点课题。基于风电场实测数据,提出一种功率相似性分析方法,首先对原始数据进行必要的处理以及滤波,然后提取功率时间序列的特征值,将原始数据序列转化为特征值序列,从而减少了数据样本点,通过计算特征值序列之间的动态时间弯曲距离,实现了风电功率波动的相似性分析。通过分析某风电场两年的历史数据,验证了本方法具有较强的实用性。     

超球上关于不变度量的(O,q)-Green式的性质

证明了:对任-(0,q)式g(z)=1/q!g-Aq(z)dz-Aq,其系数g-Aq(z)满足:g-Aq(z)/1-|z|2在-Bn连续,则有□w∫Bng(z)∧*N(z,w)-=g(w)     

关于A[a,b](∩)B[a,b]的一个反例

在证明了un→D∞u等价于lim ∞ send(un)=send(u)的基础上举了一个反例f∈A[a,b]但f(∈)B[a,b],并给出了此例的详细证明.