Ding-投射模和粘合

首先, 研究由Ding-投射模构成的同伦范畴, 并且在这些同伦范畴中构造出一些粘合; 其次, 利用t-结构和粘合的关系得到相关的稳定t-结构.     

地铁电源模块故障分析及预测方法

为提高地铁车辆牵引逆变系统的可靠性,对牵引逆变系统电源模块进行故障问题的跟踪研究.首先,在电源模块运用初期,针对其烧毁问题,提出整改方案.然后,提出一个新的故障预测方法.运用傅里叶级数和马尔可夫理论对预测残差分别进行一次和二次修正,建立改进的灰色预测模型,引入新陈代谢法进行最终预测.最后,为验证方法的有效性,以运用8.5年的电源模块故障数据为例,将几种预测方法进行比较,结果表明,所提方法具有更高的预测精度和一定的工程应用价值.     

基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究进展

蛋白质相互作用网络中的模块化结构通常对应于蛋白质复合物或者蛋白质功能模块。基于蛋白质相互作用网络预测蛋白质复合物和功能模块不仅有助于理解生命有机体的细胞生物过程,而且可为探讨疾病的发生、发展和治疗以及合理的药物开发提供重要的基础。本文通过回顾近二十年来基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究的发展历程,按照静态蛋白质相互作用网络(SPIN)和动态蛋白质相互作用网络(DPIN)两个方向分别梳理预测算法所涉及的方法和技术,同时归纳常用的数据集并分析所面临的问题,为进一步研究提供有价值的参考。     

考虑误差不确定的航空制导弹药使用消耗预测方法

针对航空制导弹药的使用消耗预测问题,分别建立了航空制导弹药使用消耗点预测和区间预测模型。根据航空制导弹药使用消耗数据小样本、非线性和随机性强等特点,采用支持向量回归模型来对航空制导弹药使用消耗数据进行点预测,并通过粒子群优化算法寻找最优参数;结合点预测误差数据,通过核密度估计法开展误差不确定性分析,确定误差概率密度曲线,并在核密度估计的基础上采用最高密度域确定给定置信度下的最佳置信区间。结果表明,该方法对于航空制导弹药使用消耗数据而言能提供更为精确的预测结果和不确定性置信区间,为航空制导弹药的后续使用安排提供参考依据。     

强素子模

讨论了环与模范畴中一个重要的子模类——强素子模的一些性质．类似于素子模研究中的一些特有性质,给出了强素子模的一些等价条件,即强素子模与其商模和商模的零子模之间的关系,证明了若N是M的子模,L是M的强素子模,使得N L,则（L∩N：N）=（L：M）且L∩N是N的强素子模;通过素理想与极大理想等价的一些条件给出了素子模与强素子模的等价条件;讨论了强素子模与一种特殊模类——完全忠实模的关系．     

正则半群上的同余

设P是正则半群S的全子集,正则半群上的任意同余和P-部分核正规系之间存在一一对应关系.给出了由P-部分核正规系决定的同余一个新的刻画且证明了正则半群上的同余和P-部分同余对（K,ξ）之间存在一一对应关系.     

基于图文法的可重构机床配置规划方法

为提高制造系统的快速结构配置规划响应速度,提出了基于图文法的可重构机床配置规划方法.使用图文法直观而形像地刻画动态体系结构的配置行为,利用基于图文法的平行模块配置技术,实现了体系结构图模型在具体系统配置规划中的物理实施,并使得图文法模型的图转换操作可以自动映射到实际配置系统的动态配置上.全面表达了可重构机床在配置规划中的相关特征和目标任务的对应变化,实现了平行模块配置规划技术.通过实例验证了该方法.     

基于局部多分辨特征的SAR图像自动目标识别

合成孔径雷达(SAR)图像自动目标识别是图像识别领域的一个重要方向。受视觉细胞感受野模型的启发,该文提出了一种从图像局部点出发,对图像进行多分辨分解的图像处理方法。采用一组简单的八邻域正交基对图像进行多级滤波采样处理,得到原图像的多级类Gauss差分图像尺度空间,并将其应用到MSTAR数据集中的SAR图像目标的特征提取;同时,基于多级特征的整合思想,运用基于多尺度核方法的SVM模型,对不同级别图像特征采用不同尺度的核函数分别映射,然后进行合成,实现多类目标的分类。对MSTAR数据集的实验结果表明,该方法具有很高的正确率,并且实现简单快速。此外,该方法还可方便地应用于SAR图像场景中多类、多个目标的分割与自动目标识别,并且对相干斑噪声具有较强的鲁棒性。     

两类相依样本密度函数核估计的相合性

设{X_n,n≥1}为同分布的NOD随机序列或严平稳的m相依序列, f(x)为随机变量X₁的概率密度函数. 基于样本X₁,X₂,…,X_n, 利用Fourier变换及NOD列的性质和相关指数不等式, 研究密度函数f(x)的核估计, 在适当的条件下得到了[KG-*4]f(x)核估计的逐点强相合性、 r阶相合性及依概率一致收敛性.     

基于混合核函数SVM骨性关节炎中药分子的辨识模型

以骨性关节炎中药复方为例,提出一种用于识别骨性关节炎中药复方中活性药物分子的SVM分类器.针对单核函数SVM的局限性,提出将全局核函数和局部核函数混合构造,并应用到SVM模型建模中,改善SVM分类器的非线性处理能力和泛化能力.利用混合核分类器对中药复方精制透骨消痛颗粒中514个化合物进行活性识别,得出复方中具有相关药物活性的中药分子.该实验结果为骨性关节炎药物分子的对接实验和骨性关节炎中药有效成分的发现提供科学数据.