干扰温度约束下的最优源功率控制与协作波束成形

文中研究在主用户干扰温度约束下,如何优化认知源节点发送功率以及认知中继波束成形权值来最大化认知目的节点的信噪比.信噪比最大化问题被转化为广义Rayleigh商问题,最优中继波束成形权值等于相关信道系数与源节点发送功率构成的矩阵的最大特征值所对应的特征向量.文中考虑了严格与宽松两种干扰温度约束,对于严格约束,给出了最优源节点发送功率与中继波束成形权值的解析解;对于宽松约束,推导了包含最优源发送功率的一个紧缩区间,并在该区间内使用基于最速下降的梯度方法有效计算最优解.     

中国武术进入奥运会的形式与策略探讨

武术作为中国宝贵的文化遗产,历史悠久、博大精深、项目宽广。要想让武术在奥运会的赛场上站稳脚步,就必须要推出最具代表而又适合奥运赛事的武术运动形式。而太极推手正式让中国武术走向世界的良好形式。     

基于改进粒子群算法的3-RPS并联机构正解研究

为快速准确求解3-RPS并联机构运动学正解,将其化归为非线性方程组求解问题,又基于优化理论将其转化成多目标优化问题,并以加权法将多目标问题转化为单目标优化问题,最后采用改进粒子群算法进行数值求解,最后给出了算例。仿真结果表明:该方法适用于求解并联机构的正解问题,其收敛速度和计算精度较标准PSO算法有明显改善。     

基于用户特征的微博转发预测研究

研究微博用户转发行为,预测微博转发概率,确定影响微博转发概率的因素,在热点挖掘、产品营销、舆情监控、谣言控制等方面有重要的现实意义.本文介绍了影响微博转发的用户特征,其中比较典型的有用户影响力、粉丝平均标签数、粉丝活跃度等特征.通过粉丝数-关注数算法、用户标签数算法、粉丝活跃度算法等分析了它们与微博转发之间的关联关系,并确定各个属性的阈值,这些阈值对微博转发预测起到了至关重要的作用.     

AVO技术在高邮凹陷永安-联盟庄地区岩性油藏预测中的应用

针对永安-联盟庄地区构造复杂、地层可对比性差、勘探难度较大的问题,以戴南组二段的E2d25亚段为例,首先对研究区进行测井数据的岩石物理分析,确定该区目的层段的敏感参数;然后,以该区宽方位采集的叠前地震数据为基础进行AVO模型正演,分析已知油、水和岩性及其不同组合条件下的AVO特征,并判断该区为第一类AVO特征;最后以2口井为约束进行AVO叠前反演,得到一系列的AVO属性,结合之前的研究结果,优选PG属性和敏感因子F属性对目的层段进行有利区域的预测。结果显示,E2d25层段有利区域主要集中在该区北东方及南西方,大多数有利区域靠近汉留断层一带,储层具有厚度薄、横向连续性差的特点。该结果的提出希望为将来勘探开发工作提供借鉴。     

二氧化碳驱油的地震资料特征研究

二氧化碳驱油作为三次采油的重要技术手段,提高采收率效果明显,具有重要的环保降排价值。但在二氧化碳驱油过程中,部分层位二氧化碳过早突破,一方面严重降低气驱的波及效率,另一方面油井气窜后,二氧化碳将对油井举升系统、地面工艺设备乃至井场环境造成严重影响等问题。常规的注采及油气水性质监测方法,仅能简单地监测二氧化碳驱油的效果和二氧化碳采出情况,驱油过程的精细监测成为薄弱环节,制约着二氧化碳驱油的进一步发展。二氧化碳驱油前后储层的地球物理性质发生的变化能在地震资料上表现出差异性。为此,从二氧化碳驱油前后地震正演模拟、敏感属性分析和时移地震差异等方面进行分析,为开展基于地震资料的二氧化碳驱油精细监测提供了依据。     

散打前后鞭腿技术的运动生物力学分析

运用Motion Analysis System等先进的实验仪器对散打运动员的前、后腿鞭腿技术进行比较分析,找出2种不同技术各自优势与不足,为相关的技术训练提供高理论依据,以期提高散打后鞭技术的科学化训练程度.     

山区高速公路岩溶路基的地质雷达探测

在碳酸盐岩地区修建高速公路,最主要的隐患是岩溶发育易引发路基不均匀沉降、路基滑动、地表塌陷等地质灾害。为了查找隐患,采用时域有限差分法模拟了地表起伏、覆盖层厚度变化、不同充填效果时溶洞在地质雷达剖面上的反映特征,据此指导工程实测。并以贵州高速公路的部分路段勘察为例,介绍了地质雷达在岩溶地区路基勘察中的运用,取得了良好的效果。     

合作性学习的教学效果分析与改进对策

合作性学习真正体现了学习者的学习主体地位,对于提高高等教育教学质量具有重要作用。文章对合作性学习的教学效果、存在的问题进行了实证研究。研究表明,与传统教学模式相比,合作性学习可以取得更好的教学效果。但是,合作性学习实践中还存在学生参与程度低及学习方法不当等亟待解决的问题。在对产生上述问题的原因进行深入分析的基础上,提出了改进合作性学习效果的对策建议。     

前馈神经网络病态学习样本剔除方法

为有效剔除学习样本中的病态样本,以提高神经网络的泛化能力,提出一种新的病态样本搜索思想并应用海明距离,给出了基于搜索思想和海明距离的前馈神经网络病态样本剔除方法。该方法不用纳入专家的先验知识、样本形式等其他因素即可完成对病态样本的搜索和剔除,具有较强的适用性。数值模拟实验分析结果表明,该方法是一种科学、有效的方法,借助其能有效地搜索出学习样本中所存在的病态样本,对解决实际问题具有较大的应用价值。