向量在数学解题中的运用

<正>向量是高中新教材中新增加的重要内容之一,它有着丰富的物理背景,它既是代数研究的对象,又是几何研究的对象,是集"数、形"于一身的数学概念,是抽象代数、线性代数、泛函分析中的基本数学模型。向量主要以平面几何,直角坐标系,三角函数等知识为基础。通过向量的学习,一方面将我们对量的数学表达式的认识带入到一个新的领域,另一方面将增进我们的空间想象能力,思维能力和分析、解决实际问题的能力。向量是一个很有用的数学工具,应用领域极为广泛,可渗透到众多的数学模块中,如向量在三角函数、立体几何、解析几何等中的应用,它们为数学问题开拓了新的思路,也使解题方法更加快捷与多样化,由于常规视角的转变,形成了新的探索途径,它不仅要求教师要学习新内容,而且要从思想方法上研究新内容的内涵实质,修整原有的认知,用向量的观点研究以往教材的知识结构体系,培养学生运用向量解决问题的意识。     

平面向量及其应用

<正>向量及其运算是高中教材的新增内容。作为现代数学重要标志之一的向量引入中学数学后,给中学数学带来无限生机。由于向量融数、形于一体,具有几何形式与代数形式的"双重身份",使它成为中学数学知识的一个交汇点,成为联系多项内容的媒介。因此向量的引入,大大拓宽了解题的思路与方法,使它在研究其它问题时获得了广泛的应用。     

基于RS与LS-SVR的储层参数预测

该文提出结合粗糙集(RS)和最小二乘支持向量回归(LS-SVR)的方法.该方法利用RS对原始数据进行约简,更好地减少了支持向量的维数;同时采用LS-SVR解决了常规SVM计算速度慢、抗噪能力差的缺点.实例证明该方法应用在复杂地层储层参数预测中具有优越性.     

样本属性重要度的支持向量机方法

支持向量机(SVM)是一种新的机器学习方法,已经广泛应用于模式识别和函数估计等问题中.针对现有的加权支持向量机(WSVM)和模糊支持向量机(FSVM)只考虑样本重要性而没有考虑属性重要性对分类结果的影响的缺陷,提出了基于样本属性重要度的支持向量机方法,该方法首先利用信息论中的信息增益技术计算各个样本特征属性对分类属性的重要度,然后对所有样本的同一特征属性的值分别用对应的属性重要度进行加权,最后所得数据集用于训练和测试SVM.数值实验的结果表明,该方法提高了分类器的分类精度.     

基于PSO参数辨识SVM的中长期径流预测研究

以径向基函数作为核函数,利用微粒群(PSO)算法的全局寻优特性进行支持向量机(SVM)的参数辩识.在微粒群搜索参数前,先对参数进行指数变换,使[0,1]和[1,∞]有着相同的搜索概率.微粒群算法的适应值函数是以支持向量机模型的推广能力为标准的,讨论了测试样本的最小误差和留一法对支持向量机学习方法推广能力的两种估计.最后...     

多复变中解析函数向量的边值问题

利用积分方程的理论和压缩映射原理,证明了C2空间中解析函数向量的线性边值问题的解的存在唯一性.     

Operational properties and matrix representations of quantum measures

Denoted by M(A), QM(A) and SQM(A) the sets of all measures, quantum measures and subadditive quantum measures on a σ-algebra A, respectively. We observe that these sets are all positive cones in the real vector space F(A) of all real-valued functions on A and prove that M(A) is a face of SQM(A). It is proved that the product of m grade-1 measures is a grade-m measure. By combining a matrix M _μ to a quantum measure μ on the power set A _n of an n-element set X, it is proved that μ ≪ ν (resp. μ ⊥ ν) if and only if M _μ ≪ M _ν (resp. M _μ M _ν =0). Also, it is shown that two nontrivial measures μ and ν are mutually absolutely continuous if and only if μ·ν∈QM(A _n ). Moreover, the matrices corresponding to quantum measures are characterized. Finally, convergence of a sequence of quantum measures on A _n is introduced and discussed; especially, the Vitali-Hahn-Saks theorem for quantum measures is proved.     

最小二乘双胞支持向量回归机的研究

 利用最小二乘方法和临近支持向量机(PSVM)算法,并结合双胞支持向量机(TSVR),提出了最小二乘双胞支持向量回归机(LSTSVR).作为对照,TSVR需要求解2个二次规划问题,而LSTSVR仅需求解2个线性方程组.最后利用不同的实例验证了所提算法的可行性和有效性.     

一种改进的Jacobi正交多项式的BP神经网络算法

 根据多项式理论,构造一种以Jacobi正交多项式作为隐层神经元激励函数的BP(back-propagation)神经网络模型.针对该网络,提出一种改进算法即隐层神经元数可快速确定的权值直接确定算法.首先介绍正交基函数和Jacobi多项式的定义,以及BP神经网络的基本原理.然后进行网络隐层数设计及其隐神经元数的确定,且设置各层连接权值、给出改进算法的步骤.最后,将其与传统矩阵迭代法和Levenberg-Marquardt训练算法进行比较.计算机实验结果表明,该算法具有比传统的BP迭代法更快的计算速度,并且能够达到更高的工作精度.     

基于遥感影像光谱分析的蓝藻水华识别方法

利用Landsat-7 ETM+遥感影像数据,以淀山湖为例,在分析蓝藻和其他典型地物影像光谱曲线及其特征的基础上,构建归一化蓝藻指数(NDI_CB),有效地从浑浊水体中提取蓝藻信息.通过k-均值非监督分类结果可以发现,构建的归一化蓝藻指数较传统的归一化差值植被指数(NDVI)和比值植被指数(RVI)更加适用于提取低密度蓝藻空间分布信息.在此基础上,基于遥感影像光谱特征和归一化蓝藻指数,采用了支持向量机的分类识别模型,最终得到淀山湖区域蓝藻的空间分布范围与面积,通过发现在某一特定时间蓝藻分布的规律,为蓝藻预警和治理的生态学分析提供了及时、有效和客观的依据.