应用神经网络判别二部图的方法

本文应用Hopfield神经网络模拟方法对二部图进行判别。提出了邻域矩阵的概念。将任意的连通图输入至神经网络判别系统,输出该图的邻域矩阵,对应于系统能量函数取最小值的输出状态即为二部图邻域矩阵,同时得到该二部图的顶点划分;如能量函数非最小值,则判定该图不是二部图。该判别法的核心是构造一种广义的能量函数——Liapunov函数,使原来难以解决的问题找到新的解决途径。     

图的邻域复形

一个图G的邻域复形是以G的顶点为顶点,以G的具有公共邻接顶点的顶点子集为单形的抽象复形.本文研究图的邻域复形的性质,复形的嵌入数以及邻域复形与图的关系等,并提出一些可供进一步研究的问题.     

基于邻域的混合象元解译

根据地物的自然连续性,认为混合象元中最终光谱单元的组成与其邻域相关,据此提出了一种十分简单的混合象元解译方法———基于邻域的混合象元解译．给出了解译的基本步骤与线性算法,讨论了最终光谱单元的标准及其搜集方法,并探讨了混合象元中与邻域无关的孤立最终光谱单元的探测问题．     

对求解整数规划方法的新探索

借鉴分枝定界法求解整数规划的基本原理和目标排序法求解0-1规划的思路,在完成一系列理论分析和证明之后,提出求解整数规划的简捷有效的新方法-松驰最优解邻域整点搜索法。     

基于最邻近聚类和向量模糊c-均值的混沌预测

针对混沌时间序列难预测的问题,提出一种新的基于最邻近聚类和向量模糊c-均值(FCMV)聚类算法的模糊建模方法。其前提参数辨识分两步,首先用最近邻聚类法初始划分输入空间,得到规则数及初始聚类中心,再用FCMV把具有相同收敛向量的聚类中心归到同一个区域来优化前一步得到的聚类中心,得到前提参数;采用递推最小二乘算法辨识模型的结论参数。最后通过对Mackey-Glass混沌时间序列的建模和预测验证了该方法的有效性与实用性。     

一类非单调线性互补问题宽邻域预估校正算法

对于一类非单调线性互补问题给出了一种新的内点算法-宽邻域预估校正算法,算法基于精典预估校正思想,把窄邻域拓展到一个宽邻域里使得算法更快地迭代,讨论了其算法的计算复杂性,并给出了数值实验.     

定义拓扑的一种方法及其应用

给出定义拓扑的一种方法,把常见的定理对族βx((A)x∈X)的要求放宽,从而拓广了应用范围,并且证明了关于向量拓扑空间的几个定理.     

教学应当是在发展的前面,教学创造着最近发展区——浅谈维果茨基的“最近发展区理论”在教学中的应用

苏联著名心理学家维果茨基依据一系列实验的结果,指出了学龄期的教学与发展问题具有重要价值的观念——“最近发展区”。研究这一思想对于如何进行教学是非常有益的,也利于我们的教学面对全体,使学生各有所得。他指出,儿童发展任何时候不是仅仅由成熟的部分决定的。他说,至少可以确定儿童有两个发展的水平,第一个是现有的发展水平,表现为儿童能够独立地、自如地完成教师提出的智力任务。第二个是潜在的发展水平。即儿童还不能独立地完成任务,而必须在教师的帮助下,在任何活动中,通过模仿和自己努力才能完成的智力任务。这两个水平之间的幅度则为“最近发展区”。     

基于改进的大间隔最近邻胰腺单细胞分类方法

【目的】细胞类型鉴定是单细胞RNA测序的关键步骤之一，存在单细胞RNA测序数据分类准确率较低及各细胞类型距离特征度量不足的问题。【方法】提出一种基于多相似性损失函数(Multi Similarity Loss, MSL)的大间隔最近邻(Large Margin Nearest Neighbor, LMNN)单细胞分类方法。多相似性损失从多个角度衡量相似性，解决了LMNN算法的三元组损失函数训练样本较小时样本对之间关系利用率不高的问题，从而提升单细胞分类效果。【结果】在胰腺单细胞数据集baron＿human和segerstolpe上的实验表明，基于MSL-LMNN的分类准确率高于主要度量学习方法，而且与随机森林结合的准确率达到0.96,较现有单细胞分类方法有所提升。【结论】提出的MSL-LMNN能够准确有效地识别胰腺单细胞测序数据细胞类型，具有一定的应用价值。     

浅谈物理课堂气氛和谐化调控的策略

本文分析了几种课堂气氛，主要从课堂气氛沉闷这个角度出发，分析了学生的个体心理活动、个体差异、教师的主导等因素。提出了使课堂气氛和谐化的几种策略，如：培养学生的情感、教学内容微格化、生活化、降低教学难度等。