高分辨率图像的指数矩描述

在指数矩定义与计算方法的基础上,提出应用指数矩矩阵描述高分辨率图像的方法.结合图像分割理论并延伸处理各子图,利用快速傅里叶变换计算高分辨率图像指数矩矩阵,然后逆向重构子图并重组原图.对重组图像进行基于Itti视觉注意模型的客观感兴趣区域信噪比分析.仿真结果表明,延伸处理可减弱由分割所带来的重组图像方块效应,也可提高重构图像的信噪比,验证了由图像指数矩矩阵描述高分辨率图像的可行性.     

基于分数阶累加灰色GM(1,1)模型的生物药品销售收入预测

生物药品制造业作为六大高新技术产业之一,其发展价值正逐渐被越来越多的人认可.利用2010—2014年我国生物药品制造业销售收入数据,建立了分数阶累加灰色GM(1,1)预测模型,对其销售能力进行了预测分析,预测结果对我国生物药品制造业的发展具有一定的指导意义.     

从整数阶微积分到分数阶微积分

分数阶微积分理论及其工程应用已经成为科研工作者关注的热点课题之一.从经典的整数阶积分和导数的定义谈起,简要介绍了如何从整数阶微积分的概念推广到一般的分数阶微积分及其分数阶微积分的基本性质.     

基于Riesz导数的分数阶Birkhoff系统的Noether对称性与守恒量

提出并研究Riesz分数阶导数下分数阶Birkhoff系统的Noether对称性与守恒量。分别在Riesz-Riemann-Liouville分数阶导数和Riesz-Caputo分数阶导数下, 建立分数阶Pfaff变分问题, 给出分数阶Birkhoff方程。基于分数阶Pfaff作用量在无限小变换下的不变性, 建立分数阶Birkhoff系统的Noether定理。定理的证明分成两步: 一是在时间不变的无限小变换下给出证明; 二是利用时间重新参数化技术得到一般情况下的分数阶Noether定理。最后举例说明结果的应用。     

分数阶奇摄动非线性方程的激波层渐近解

研究了一类奇摄动非线性分数阶微分方程初值问题.在适当的条件下,首先求出了原问题的外部解.其次利用伸长变量和幂级数展开理论构造出问题解的激波层和初始层校正项,并得到了解的形式渐近展开式.最后利用微分不等式理论,讨论了问题解的渐近性态,证明了得到的展开式是原问题解的一致有效的渐近估计式.     

基于联合Caputo导数的分数阶Hamilton系统的Noether对称性

提出并研究了基于联合Caputo导数的分数阶Hamilton系统的Noether对称性与守恒量.首先,由Hamilton原理导出了分数阶Hamilton正则方程;其次,依据分数阶Hamilton作用量在无限小群变换下的不变性,定义了系统的Noether对称变换和Noether准对称变换;最后,给出了分数阶Hamilton系统的Noether定理.文末,举例说明结果的应用.     

s-弱拟正规与有限群的p-幂零性

利用s-弱拟正规子群的性质,采用极小阶反例法,研究了有限群的幂零性,并对有限群的结构进行刻画.     

分数阶非线性系统高阶P型迭代学习控制收敛性分析（英）

针对一类分数阶非线性系统,研究其N阶P型迭代学习控制（ILC）问题.首先,通过应用Gronwall Bellman引理,获得了系统控制输入序列收敛的充分条件.与已有结果不同的是,该条件包含系统状态矩阵.然后基于Q因子概念,对二阶与一阶ILC的收敛速度进行了比较.最后,数值模拟证明了所提方法能获得满意的跟踪性能.     

关于大学数学解题的方法

<正>在科学技术高速发展的今天,数学已经渗透到信息、控制、生物和经济等各个领域,可以说任何一个科学技术领域几乎都离不开数学.数学的广泛应用势必要求各类专业人员具备一定的数学应用能力.大学数学教育是培养大学生理性思维品格和思辨能力的重要载体,是开发大学生潜在能动性和创造力的重要手段.微积分是理工科大学生的一门非常重要的基础课[1],它作为工程教育中的一个重要内容,目的在于培养工程技术人员必备的基本数学素质.通过数学教育能够培养学生深入细致的洞察和抽象概括能力、逻辑思维能力,以及严谨的思维和分析判断能力,这些能力不仅为科学研究所必需,而且具备这种     

基于k近邻和最小二乘支持向量机的Android恶意行为识别

针对单一k近邻算法(KNN)和最小二乘支持向量机(LSSVM)存在的缺陷, 提出一种基于KNN LSSVM的Android恶意行为识别模型. 先采集Android用户行为样本, 并提取相应特征组成特征向量; 再将训练集输入LSSVM中进行学习, 计算测试样本与最优分类平面间的距离, 如果该距离小于阈值, 则直接采用LSSVM恶意行为识别, 否则采用KNN算法进行恶意行为识别; 最后采用仿真实验测试KNN LSSVM的性能. 实验结果表明, 相对于单一KNN算法和LSSVM, KNN LSSVM提高了Android恶意行为的识别正确率,可以满足Android[KG*6]恶意行为的在线识别要求.