WFGT-维数和弱Π-凝聚环

本文引入弱II-凝聚环,定义了WFGT-维数,用弱余生成模类讨论了该类环及其上的模的一些(上) 同调性质.     

效用值为区间数的风险型决策问题分析

从敏感性分析的角度讨论后果效用值用区间数表示的风险型决策问题．基于区间数大小比较的可能度概念，定义了描述行动优劣的行动优性指标，并给出了该指标的若干性质；利用行动优性指标，提出了一种求解效用值用区间数表示的风险型决策问题的方法．针对这个简单直观的决策方法，重点分析了决策评价结果对主观概率变化的敏感性．具体针对当自然状态的主观概率发生变化时，分析了某个行动成为最优行动的可能性，并给出了保证该行动成为最优行动（如果可能的话）的主观概率的变化范围．最后，给出了一个实例进一步阐述了分析结果．     

一类随机变量序列关于Г-分布的强偏差定理

引进似然比作为非负连续型随机变量序列相对于服从Г分布的独立随机变量序列的偏差的一种度量，并通过限制似然比给出了样本空间的一个子集，在此子集上运用鞅方法得到了任意非负连续型随机变量序列的一类用不等式表示的强极限定理，将任意随机变量序列关于乘积分布的强偏差定理从离散状态空间推广到连续状态空间．作为推论得到了任意非负连续型随机变量序列关于指数分布，厄兰分布以及X^2分布的强偏差定理以及服从Г-分布的独立随机变量序列的一族强大数定律．     

城市土壤的生态服务功能演变与城市生态环境保护

城市化是急剧的土地利用变化过程。在城市化过程中，土壤的服务功能经历明显的转变，即从维系植物生长的功能为主转变为滞留、转化和净化污染的功能为主，因此，城市土壤在城市生态系统中承担着重要的生态服务功能并起着保护城市环境的作用。城市土壤在功能转变的过程中，土壤质量也发生重要的转变，这些变化包括物理的、化学的和生物学的等方面。巨大的人为影响致使城市土壤的退化比较明显。物理退化方面主要体现在由于压实导致容重增加、水分入渗速率降低，从而使降雨时地表径流系数增加、非点源污染负荷升高，对城市水体污染产生明显的影响；化学退化方面主要体现在土壤中的有机和无机污染物含量显著增加，这一方面使土壤对生物健康直接影响的可能性增加，另一方面使土壤的吸附容量接近饱和丽导致污染物的移动性提高，从而具有较高的释放潜力。城市生态系统中物质循环过程不闭合的特点，决定了城市土壤是养分和污染物末端固定者，因而城市土壤是一个人为的某些元素的地球化学“垒”(barrier)。建设健康的城市生态环境需要闭合开放状态的物质循环链条，这必然需要科学的城市土壤管理策略。     

四元数矩阵的左（右）加权＊-序

利用四元数矩阵的加权共轭转置定义了四元数矩阵的加权左(右)*-序，给出了加权左(右)*-序的一些等价刻画．推广了以往文献的相应结果．     

毛虫树可均匀k-着色的一个充分条件

用k种颜色给一个图的顶点正常着色,即使相邻的顶点不同色,若各色类的基数至多差一,则称该图是可均匀k-着色的.基于均匀着色的理论本文得到了毛虫树可均匀k-着色的一个充分条件.     

印度梨形孢对黑松幼苗生长量及其根系形态的动态影响

为研究印度梨形孢(Piriformospora indica)对黑松(Pinus thunbergii)幼苗生长及其根系形态的动态影响,在营养杯培育条件下研究了印度梨形孢对黑松地上部分与根系生长、根系构型及根系分形维数的影响。结果表明,印度梨形孢对黑松地下根系生长的促进作用发挥时间早于地上部分、效应显著高于地上部分,接种印度梨形孢15~30 d时对地上部分基本无影响,但对根系促进作用明显,而地上部分在60 d时生长效应显著。接种印度梨形孢可增加黑松地上部分、根系的生物量,也显著地改善了根系长度、分支数、表面积、体积等构型参数与根系分形维数,促进黑松生长。     

具有非线性发生率的离散SIQ模型的稳定性分析

研究了具有非线性发生率的离散SIQ模型的稳定性.通过非标准差分方法得到了离散的SIQ模型,利用迭代法得到了模型解的正性和有界性、基于定义的基本再生数、无病平衡点和地方病平衡点的唯一存在性;通过线性化方法和构造离散Lyapunov函数方法得到了无病平衡点的稳定性;利用数值例子说明了地方病平衡点的稳定性结果.     

岩溶隧道在SH波激励下动力响应位移解析解

基于工程波动理论,利用波函数展开法和Fourier-Bessel级数变换,推导了岩溶隧道在平面SH波激励下动力响应位移解析解的计算公式,并提出实用的简化解.通过数值模拟解验证了该动力响应位移解析解的合理性,两种解法在入射角度为0°和90°时溶洞与隧道的位移幅值峰值均相差10%左右.研究了溶洞半径、平面SH波入射角度以及溶洞与隧道间的中心距等3个影响因素对溶洞和隧道的动力响应作用,结果表明:溶洞和隧道位移幅值与溶洞半径成正比,与两者间的中心距成反比,与平面SH波入射角度成正比.     

半监督学习中非标记数据的利用

同时利用半监督学习中的标记数据与非标记数据,可以提高机器学习的能力.为了利用非标记数据,我们将非标记数据所在的样本空间映射到标记样本空间.讨论如何利用非标记数据构造学习算法,并证明所构造算法的收敛性.