遗传学课教学方法的探讨

教学方法是教师为完成教学任务,达到教学目的所采用的手段。教学方法须因教学内容而异、因人而异。教师善于运用相应的教学方法,就能激发学生的学习积极性和兴趣。教学方法只有努力不断地探讨,才能使教学得到不断地改革和创新,推动教学工作不断深入地向前发展。     

溶胶凝胶法制备Sb掺杂SnO2透明导电膜的结构与性能研究

在乙醇溶剂中,以无机金属盐SnCl2.2H2O和SbCl3为原料,采用溶胶-凝胶法制备了Sb掺杂的SnO2透明导电薄膜(ATO),研究了Sb掺杂量和热处理温度对薄膜结构和性能的影响。结果表明,热处理温度为500℃、Sb掺杂摩尔百分比为15%～20%时,薄膜具有较好的结晶性能、好的导电性能、较高的可见光区透射率和红外光区反射率。     

图书馆法若干理论问题探讨

就我国图书馆法中的几个基本理论问题进行了探讨,并对我国图书馆法律体系的建设提出了若干建议。     

基于统计学习理论的小波神经网络优化

传统的离散仿射小波神经网络训练都是建立在大样本基础上的,当样本数量较少时,不能保证网络的泛化能力。在研究统计学理论的基础上,提出了以结构风险最小化为目标的训练方法。首先根据样本数据和小波基函数的时频局部化特性构造隐含层函数集,并按照小波基函数的能量大小来建立函数嵌套结构,然后采用自适应正交最小二乘法来训练网络权值,保证训练的小波神经网络结构风险最小化。仿真表明该方法不仅具有较高的收敛速度,而且最大限度地保证了网络的泛化能力。     

二维浅水波方程的非结构网格TVD型有限体积法

考虑二维浅水波方程及其离散方法,对非结构三角形网格给出了TVD型有限体积法.在离散单元对物理量作单调线性重构函数,通过选择不同的数值流函数,构造了两种复合型有限体积格式;时间离散采用二阶Runge-Kutta方法.对二维溃坝问题及非平底部溃坝问题进行数值模拟,结果表明,两种方法精度高且稳定,可以处理具有任意水下地形的二维浅水波问题.     

偏最小二乘相关算法在系统建模中的两类典型应用

讨论了偏最小二乘回归（PLSR）的相关算法对两类典型实际系统建模的有效应用。分析了传统的偏最小二乘回归批处理算法及由此产生的一种简化算法的基本原理和技术特点，在此基础上，对原有的递推算法进行了一定程度的改进，直接采用自变量主元t的回归系数矩阵P和R来取代旧的数据信息，从而进一步简化了计算过程，针对上述两种算法的特点，分别对无人机费用模型（少样本，多变量）和切削力峰值模型（多样本，少变量）参数进行了估计计算，说明了各自算法的应用优势。     

高斯粗糙面透射波散射系数的基尔霍夫驻留相位法

采用高斯粗糙面来模拟实际粗糙面,根据基尔霍夫驻留相位近似法研究了粗糙面下方介质2中的电磁散射,结合高斯粗糙面的自相关函数导出了不同极化状态下高斯粗糙面透射波散射系数计算公式。通过数值计算得到了不同极化状态下高斯粗糙面透射系数随散射角、散射方位角及入射波频率变化的曲线,讨论了粗糙面参数和入射波频率对不同极化状态透射系数的影响,得出了高斯粗糙面透射系数的基本特征和随频率变化的特征。结果表明粗糙面高度起伏均方根和相关长度对高斯粗糙面透射系数有显著影响,而入射波频率则对其无影响。     

基于同伦(homotopy)关系的ARMAX模型的辨识算法

论述了采用同伦 (hom otopy)法辨识 ARMAX模型的问题 .在 ARMAX模型的辨识中 ,由于滑动平均(MA)噪音模型部分的存在 ,用以估计 ARMAX模型参数的误差函数不再是单峰的 ,因而常用的基于最优化的估计算法有被陷入局部最小点的危险 .本文提出一种基于同伦关系的算法来解决这个问题 ,其基本想法是建立 ARMAX模型参数的估计和 ARX模型参数的估计两者之间的同伦关系 .由于用以估计 ARX模型参数的误差函数是单峰的 ,因而没有局部最小点问题 ,这就使得有可能利用它们之间的同伦关系来解决 ARMAX模型参数的估计中的局部最小点问题 .详细描述了基于同伦关系的新辨识算法 ,并利用蒙特卡罗 (Monte Car-lo)仿真试验说明了新算法的有效性     

无人机集群规避动态障碍物的分布式队形控制

本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先, 引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次, 在动态障碍物与无人机间构造斥力场实现避障。最后, 根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律, 结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明, 集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。     

一种基于三角模糊数多指标信息的聚类方法

针对一类特征指标值及指标权重均为三角模糊数的多指标信息聚类问题,提出了一种新的最大树聚类分析方法。首先对三角模糊数多指标信息聚类问题进行了描述;然后依据传统的基于数值信息的最大树模糊聚类分析方法的基本思路,给出了解决三角模糊数多指标信息聚类问题的计算步骤。最后,通过算例说明了本文给出的聚类方法。