动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

运用图像重构误差控制的骨架简化方法

将贝叶斯模型方法运用于基于图像重构误差控制下的骨架简化问题,通过建立平衡算法实现重构精度与骨架简化的平衡统一.在算法的设计中,通过对骨架分支级别的设置,运用重构误差和骨架简洁度两个控制参数以及平衡算法,在骨架主轴的基础上通过添加相关各级别的骨架分支,实现对骨架分支的优选,最终获得图像的最优近似骨架.实验结果表明:本算法对于边界扰动具有较好的鲁棒性,与其它方法相比,本算法复杂度较低,运算速度更快,得到的骨架也更简洁.     

基于k-分辨-FB级数展开的多分量LFM信号分离

针对傅里叶-贝塞尔变换(FBT)难以估计和有效分离多分量LFM信号的问题,提出了一种k分辨-FB(k-FB)级数展开结合dechirp的信号分离与估计算法。在FB级数的基础上引入k分辨参数,通过理论推导,得出了信号频率与级数的关系,证明了参数估计精度与k取值正相关。通过解线频调和k-FB级数计算,实现了信号分离重构和参数估计。在不同信噪比、信号功率比和k分辨条件下对信号的分离精度进行了仿真研究,并与基于分数阶傅里叶变换(FrFT)的方法进行了对比。仿真结果验证了算法的有效性。     

关于应用子程序控制粗车和精车的探讨

利用加工轨迹的逆向分析法,在分析加工路线具有重复性的基础上使用子程序的编程方法来控制零件的粗车和精车,从而提高工件表面的加工精度。     

从《宠儿》中的杀婴行为看母性重构

母性是女权主义理论里经常讨论和争议很大的一个问题。不同的女权主义者在不同的历史时期对母性这一问题的看法也有所不同。西方传统文化对女性的角色和母性的问题往往是从白人妇女的角度来分析,而黑人女性的声音却未能得到很大的重视。通过对莫里森提出的黑人母性与其他的关于母性的观点试作比较,从而得出莫里森等黑人女权主义者提出的黑人母性是对现存母性观点的一个重新阐释和重要补充的结论。     

逆向遗传分析与遗传工程小鼠

遗传学的实验研究往往是从生物体的突变分析入手,通过观察自发的或诱发的突变型个体表型改变来识别突变基因,进而识别与突变基因等位的正常基因的结构与功能.但是,随着研究的深入,这种传统思路的局限性慢慢显现出来.譬如,许多能造成致死表型的突变,很可能因阻断重要的发育或代谢途径而导致携有突变基因的个体死亡.而分离和研究这类突变基因对于阐明生长、发育、疾病、衰老乃至进化等基本生物学问题至关重要.     

在相似形教学中培养学生推理能力的两点做法

引导学生在逆向思维中寻找解题规律，突破难点、培养推理能力。     

关于三次图边可重构问题的注记

对δ（Ｇ）≥８的连续三次图Ｇ是边可重构的定理给出了一个简单证明。此外还证明了，当δ（Ｇ）＝７，γ（Ｇ）≤８２以及δ（Ｇ）＝６，γ（Ｇ）≤１７时，连续三次图Ｇ是边可重构的     

谈物理教学过程中学生思维能力的培养

根据思维发展的阶段和特点，通过发掘教材以及开展物理课外活动等手段培养学生思维能力。