压电复合材料中双周期圆柱形夹杂的反平面问题

研究了无限大压电复合材料中双周期圆柱形夹杂的反平面问题．利用双周期Riemann边值问题的解析函数理论和级数展开的分析方法,借助Eshelby夹杂原理研究了压电复合材料中双周期圆柱形夹杂的反平面问题,获得了夹杂和基体内电弹性场的复式表达式,并利用数值算例分析了双周期夹杂对应．力和电位移的影响．     

一类平面映射在共振点附近的解析不变曲线的存在性

在复域中讨论了平面映射 F(x,y)=(x+y,y+G(x)+H(x+y)),x∈C 的解析不变曲线的存在性.     

基于Weil对的(1,t)加密方案

给出了（1, t）加密方案的定义和两个有效可行的基于Weil对的（1, t）加密方案.提出的方案是基于双线性映射的. 椭圆曲线上的Weil对就是这种映射的一个例子.     

求解简单液体径向分布函数的微扰方法

给出了求解简单液体径向分布函数的微扰方法,该方法把分子间相互作用势分解成参考势与微扰势之和,把径向分布函数、全相关函数、直接相关函数及桥函数表示成微扰级数的形式,假设零级桥函数为已经的参考流体的桥函数,其余级次的桥函数都为零,得到了各级函数所满足的积分方程和闭包关系.利用上述方法分别计算了单元和二元硬核Lenard-Jones流体的径向分布函数,并与用Choudhury理论计算的结果进行了比较,计算结果验证了本文方法的正确性.     

模糊时间序列预测在动态经济系统预测中的应用

研究适合于动态经济系统的预测方法,对指导我国现阶段的经济工作有很大的意义。为尽可能地减少对动态经济系统预测的偏差,将模糊数学的理论应用于预测过程中,应用模糊时间序列预测方法,解决带有模糊信息的动态预测问题,使所得出的预测结果能够更加符合现实的需要。     

ART2神经网络聚类的改进研究

为进行快速动态层次聚类,通过分析自适应谐振理论(adaptive resonance theory,ART)神经网络的快速学习、主观设置警戒参数、输出无层次结构等优缺点以及自组织特征映射(self-organizing feature map,SOFM)神经网络的侧反馈、不能动态聚类、输出无层次结构等优缺点的基础上,借鉴Hebb规则的思想,针对ART2神经网络的聚类算法进行了改进研究.通过结构描述、算法分析,该算法融合了ART2和SOFM的优点,克服其不足之处,以快速学习的方式形成可带有多层层次的动态聚类结构(不同的层次代表不同粒度的聚类),此外还降低了对警戒参数主观设置的要求,对于较粗粒度的聚类不再需要重新训练神经网络.并通过仿真实验证明该算法的有效性.     

网络环境下基于知识地图的产品设计知识链管理

产品开发中知识的复杂性和分布性容易造成知识链中获取、选择、产生、内化和外化环节的中断,导致知识共享和知识重用的困难.通过分析网络环境下产品开发中设计知识的描述、分布和使用情况,采用面向设计任务的方式组织相关知识,并为知识单元添加能够可视化显示的属性信息,生成知识地图来管理产品设计知识链,建立了以知识地图为核心的产品设计类知识重用、共享模型,并构建了网络环境下知识地图管理系统框架,从而减少知识孤岛现象,推动知识的重用.     

一种用于正交频分复用系统频偏盲估计的快速算法

针对利用多项式求根实现类music算法时计算量过高的缺点,提出一种适用于小频偏情况下的快速算法.该方法利用三角函数的Taylor级数展开,通过合理选取展开阶数对度量函数进行低阶函数逼近,并借助低阶多项式求根实现快速频偏估计.理论分析和计算机仿真结果表明,本算法在保证估计精度的前提下极大地降低了计算复杂度,优于原算法.     

不同饵料系列对漠斑牙鲆苗种培育效果的影响

报道了不同饵料系列对漠斑牙鲆苗种成活率和生长率的影响.32.0万粒的受精卵经57 d培育,共获得全长2.7～5.5 cm的鱼苗16.6万尾.在仔鱼开口后自始至终加投配合饵料的饵料系列组(B组)的成活率比在35日龄才开始驯化配合饵料的饵料系列组(A组)的成活率高.初孵仔鱼至变态伏底时A、B组的成活率分别为58.9%和88.7%,从变态伏底始至出苗时全长平均为3.84 cm的A、B组幼鱼的成活率分别为79.0%和83.6%,从初孵仔鱼至出苗时的A、B组的总成活率分别为46.5%和72.4%,而两组的生长率差异不大.     

基于趋势特征聚类的多元相似时间序列的提取

历史相似时间序列的提取在数据挖掘、工业故障检测以及故障根源分析等领域应用非常广泛。针对工业报警系统中异常根源分析方法存在的问题,提出了一种基于趋势特征聚类的多元相似时间序列的提取方法,可以有效地辅助现场工作人员分析关键变量发生异常变化的根源。首先对多元时间序列进行分段线性表示,获得变量的趋势特征信息;然后采用基于密度峰值聚类分析算法对获得的趋势特征在高维空间中聚类,从而实现历史数据的相似性提取;最后可根据关联变量的幅值变化量分析导致主变量发生异常变化的根源变量。数值仿真和实际工业数据案例验证了所提方法的有效性。