用重整化群流方程研究重费密子系统的重整杂化带模型

重整化群流方程方法是一种非常有用的理论研究工具,它可以用于各种物理系统中,求取系统的能谱和期望值,由此获得系统的一些属性.用该方法研究重费密子系统推广后的重整杂化带模型,求得相应的两支准粒子能带,这些结果与用常规的格林函数方法求得的结果完全一致.     

高学历非图书馆学人才实现角色转变的策略

阐述了高学历非图书馆学专业人才在高校图书馆的地位与作用,提出了实现其角色转变的策略。     

基于酒店特征信息和在线评价信息的酒店选择

为辅助游客通过旅游网站进行酒店选择,提出了一种基于旅游网站提供的备选酒店特征信息和在线评价信息的酒店选择方法.首先,基于酒店特征信息和在线评价信息构建备选酒店有向加权图,依据备选酒店特征信息,基于离差最大化法对酒店特征进行客观赋权,并采用简单加权法确定有向加权图结点权重,依据备选酒店间在线评价信息的比较关系确定有向加权图的有向边及有向边权重;然后,基于PageRank算法原理给出备选酒店排序值求解算法;最后,以基于缤客网站提供的酒店特征信息和在线评价信息进行酒店选择.结果说明了提出方法的有效性和可行性.     

基于图论的分裂型人格障碍多加权脑结构网络研究

基于图论方法分析分裂型人格障碍(SPD)患者与健康对照在脑结构网络局部和全局参数上的差异.根据Brainnetome脑图谱将大脑皮层划分为246个脑区,利用扩散加权图像重建脑白质神经纤维束,构建以神经纤维束条数、密度、长度和优化的密度为加权方式的脑结构网络.计算网络节点参数和全局参数,通过假设检验找出具有显著性差异的脑区.结果发现,SPD患者与健康人的脑结构网络在全局参数上无显著性差异;在节点参数上,6个脑区存在显著性差异;差异脑区在位置上显示出左右脑不对称性,在功能上与认知、情感和感知高度相关.研究结果可为疾病诊断治疗提供重要参考.     

基于广义变换矩阵的机械零件三维模型骨架匹配

提出了一种基于广义变换矩阵的机械零件三维模型骨架匹配方法。骨架中两骨架点间的连线称为骨架枝,借鉴机器人学中广义连杆之间关系的表示方法,将骨架枝看成若干个连杆,在骨架点处建立固定坐标系及骨架枝坐标系,采用广义变换矩阵表示骨架枝。将广义变换矩阵转化成向量,引用统计学中的相关性度量方法,通过计算2个向量的皮尔逊相关系数得到2个广义变换矩阵的相似度,即得到2个骨架枝的相似度。搜索相匹配的骨架枝并计算整个骨架的相似度。通过实例验证和实验分析,表明该算法具有较快的检索速度和较高的准确度。     

面向无人平台的室内精密定位与构图技术

针对无人作战平台在室内等复杂环境下的高精度定位与地图构建问题,提出了一种利用信标锚节点辅助的单目视觉同步定位与地图构建方法,该方法通过WLAN锚节点估计出单目视觉尺度因子并结合视觉传感参数,获取真实尺度空间下的定位位置,并利用因子图模型对WLAN定位和单目视觉定位结果进行最大后验概率准则下数据融合,从而获得精确的位置和构图信息。实验表明：文中所提出的方法较好地解决了传统单目视觉定位中的尺度不确定问题,定位精度达到分米级,扩展了单目视觉SLAM在真实尺度空间中的应用,在复杂环境下的无人侦察、搜救和打击等应用领域具有重要的工程和实践意义。     

基于快速图挖掘的网络拓扑局部调节区域算法

针对IP骨干网重新配置中繁重工作量的问题,提出一种快速图挖掘算法来解决网络拓扑的局部调节区域问题,解决了从网络拓扑中找到组件时子图同构的NP-hard问题,减少了网络重构的操作工作量.该文提出的启发式图挖掘算法顶点,称为顶点目标搜索(vertex targeting search,VTS)算法,通过考虑网络操作条件减少了搜索空间的大小.实验结果表明,该文方法可以快速得到搜索网络模式图,与其他方法比较,该文具有较少的搜索时间,说明该文方法具有可行性和有效性.     

链路意义下网络抗毁性的一种新刻画

随着元器件性能的大幅提高,网络故障多因链路受阻或破坏所引发,为了更好地刻画和分析网络抗毁性,从链路角度引入新的连通性参数——图的边毁裂度.运用组合优化和类比分析方法研究并给出了若干具有特殊结构的图的边毁裂度的计算公式和一般图的边毁裂度的界,同时讨论了图的边毁裂度与其它参数的关系,并举例表明结果是最好的.     

半群DOPD(n,r)的秩和相关秩

设自然数n≥3,DOPD_n是有限链[n]上的保序且保距部分一一奇异降序变换半群.对任意的r（0≤r≤n-1）,记DOPD（n,r）={α∈DOPD_n：|Im（α）|≤r}为半群DOPD_n的双边星理想.通过对秩为r的元素和星格林关系的分析,获得了半群DOPD（n,r）的极小生成集和秩.确定了当0≤l≤r时,半群DOPD（n,r）关于其星理想DOPD（n,l）的相关秩.     

基于知识状态的个性化学习资源推荐方法

针对现有的个性化学习资源推荐方法存在不能够从学习者的学习缺陷出发推荐学习资源的不足,提出一种基于知识状态的个性化学习资源推荐方法,它首先根据知识点之间的关联关系构建知识图谱,然后根据学习者知识状态进行推导生成待学习知识点向量,最后设计相似性迭代算法从学习资源库中匹配最适合学习者的学习资源.通过实验证明,该方法具有不错的推荐效果和性能.