热水供应中时变化系数的函数表示法

鉴于目前时变化系数均以表格形式给出,不便实际工作,插值精度较差等问题,利用优化拟合原理,给出了热水小时变化系数的替代式,便于实际工程设计应用.

零维代数簇短系数有理单变量表示的可分元计算

针对零维多项式系统中Rouillier计算可分元的算法使其相应的有理单变量表示中整系数过长的问题,提出一种改进的可分元选取算法,新算法通过逐步确定坐标可分元得以实现.结果表明,较之Rouillier算法,新算法选取可分元对应的有理单变量表示中整系数的长度更短,且两算法具有几乎相同的平均复杂度.

多分辨率分析耦合近似稀疏表示的图像融合算法

为了更好地处理图像高维特征奇异性,并兼顾融合图像目标特征与平均强度信息,提出了一种多分辨率分析与近似稀疏表示的图像融合算法。首先,对源图像进行对尺度分析,分别得到图像的高频和低频信息;然后,设计了近似稀疏表示(sparse representation,SR),通过近似SR系数来表示图像高频信息和低频信息;并利用绝对最大选择技术对近似SR稀疏转换,得到低频子带的近似系数和高频子带的细节系数,以达到用最少的系数来逼近奇异曲线。其次,构建了决策映射,对相同子带上的各SR系数的活性度和匹配度进行决策分析,输出决策值,通过决策值对图像进行匹配融合。最后,通过多尺度逆变换得到最终的融合图像。仿真实验表明:与当前图像融合算法相比,获得的融合图像具有更好的视觉效果,能有效图像突出目标信息,得到的图像具有更高的平均梯度和边缘评价因子;既突出了目标特征又保留平均强度信息,同时降低噪声影响。

热化学反应方程式的新表示

参照中华人民共和国国家标准,国际单位制及其应用[1][2]热化学反应方程式的表示应在原有基础上作一些修正。笔者把这种修正后的热化学反应方程式称作热化学反应方程式的新表示。对此大学《无机化学》和有关专著都作了较为详细的说明[3][4],但一些新编的中学化学教材基本上仍采用原表示。因此,有必要就热化学反应方程式的两种表示方法,它们的异同点作一些宣传。

双三次NURBS曲面矩阵块表示及在曲面设计中的应用

研究了NURBS三次与二次曲面的矩阵块表示及在曲面设计中的应用。给出了NURBS三次与二次基函数系数矩阵表示和NURBS三次曲面矩阵块表示。从矩阵块表示中可很清楚地看出参数区间、曲面片与控制顶点对应关系,这点对NURBS曲面自由变形与求解都很重要。通过在Java2.0与Java3D环境下检验证明该算法高效可靠。

区域弱相关自表示的显著目标检测方法

针对显著目标不相似时目标的显著值不一致问题,提出区域弱相关自表示的显著目标检测方法.首先在低秩矩阵恢复理论基础上为显著目标引入拉普拉斯正则项,以增大显著目标与背景的差异;然后最小化显著目标自表示系数的F-范数,使检测出的显著目标一致高亮;最后用可调节反正切函数对背景施加强的低秩约束,使背景与显著目标最大程度分离.在公开的显著目标检测数据集上与不同的显著目标检测方法进行对比实验,结果表明,该方法能得到更完整的显著目标和更一致的显著图.

自适应多阶段线性重构表示分类的人脸识别

针对以往基于表示的分类(RBC)方法在类别数较多的数据集上性能不佳的问题,提出了一种自适应多阶段线性重构表示的分类(MPRBC)方法。在每一阶段,首先得到L1范数或L2范数正则化的重构表示系数,然后将表示系数按类求和,根据和的大小来选取相似类,并保留相似类中的全部样本作为下一阶段的训练样本。该策略最终产生具有高分类置信度的稀疏类概率分布,根据类系数的大小自适应选择相似的类,提高了分类计算的效率。实验结果表明,该方法分类性能优于其他RBC方法,特别是在类别数较多的数据集上性能提升明显,并且CPU时间保持相对较低水平。

运动员尿肌酐系数与肌肉机能水平关系的初步研究

肌酐由体内肌酸产生,是肌酸失水生成的代谢最终产物(1、2)。体内肌酸又主要以磷酸肌酸(CP)的形式存于肌肉(约98％)。Folin发现正常成人24小时尿液的肌酐排泄量为一定值,并可在很长时期内保持不变,其绝对值则与肌肉的发达程度有关(3、4)。Mcclugage、Booth和Evans等证明,体重相同的人,若以尿肌酐系数表示(每公斤体重的排泄量),肌肉不发达者(胖者)

多元多项式布尔函数的链表表示及实现

分组加密算法的密文可以看作输入的多项式布尔函数值,研究多项式布尔函数表达式对加密算法的代数分析具有重要意义。提出一种新的多项式布尔函数表示法,首先把单项式映射为一种简单的数据类型,使用单链线性表组结构表示多项式,在此结构上实现单项式的插入、删除、查找等操作。基于多项式的这种表示,给出了多项式的加法、乘法以及求多项式值的算法。通过无密钥的Simon-V算法实验进一步验证了我们提出的多项式表示法的理论正确性和实现可行性。最后,在空间、时间和实现复杂度方面,与经典的BDD和系数矩阵表示法进行了比较,分析了这种新的多项式表示法在某些方面的优势。

一种无线传感器网络接收机前端滤波器设计与实现

从降低成本、提高精度的角度出发,提出了采用优化转置结构和优化CSD系数表示法相结合的无线传感器网络数字前端FIR滤波器设计方法,并在Xilinx VirtexII 2000系列FPGA上进行了仿真,取得了较好的结果。文章中介绍的优化CSD系数表示法,不仅可用于无线传感器网络接收机滤波器的实现,还可以用于其它固定系数的滤波器实现,具有理论研究和实践推广价值。

基于两阶段最小二乘回归的分类方法

针对最小二乘回归分类法对原始数据进行分类时容易受到噪声样本影响的不足,利用系数增强的方法提出一种缓解噪声样本对表示系数影响的鲁棒分类法.该方法是一种两阶段最小二乘回归分类法:第一阶段通过最小二乘回归分类法获得表示系数,第二阶段强化近邻表示系数的作用得到表示系数.最后用最小误差准则对测试样本进行分类,利用核理论进一步提出非线性两阶段最小二乘回归分类法,并在4个常用人脸图像数据集上验证了该方法的有效性.

估计信度的新方法在教育和心理测量中的运用

一、导言教育和心理测量是教育科学研究的重要手段之一,学校领导、教师和教育科学工作者运用测量的方法,可以获得教育过程的各种信息。但是,和自然科学中的各种测量方法一样,教育和心理的测量电存在着误差,而且由于人的学习成就和智力受到多种因素的影响。

有限先验情景下的隐写分析技术研究

作为隐写技术的对抗手段,隐写分析主要致力于检测、阻止甚至破坏互联网上可能存在的基于隐写的隐蔽通信行为.实用隐写分析技术的研究,对打击恐怖组织及不法分子对隐写技术的滥用、维护国家安全和社会稳定具有重要的意义.首先阐述了隐写分析技术的研究意义及研究现状,然后,从需求极为迫切的图像隐写分析切入,针对有限先验信息的情境,提出新的隐写分析研究框架.以海量多样代表性样本数据为研究对象,重点研究具有超完备性的隐写分析特征基构造方法,利用超完备特征基对测试样本进行表示,根据表示系数对隐写方法进行预测,为研制准确性更高、实用性更强的隐写分析方法提供理论和技术支撑.

应用扩展BASIC语言编制的微生物数值分类程序

本文用扩展BASIC语言编制了微生物数值分类程序。本程序所用原始数据直接来自测试结果,菌株间的相似程度用SSM系数表示,采用单连锁方法进行归群分析,最后输出单连锁群矩阵和阴影图等。

生活方式测量可信性

为了探讨生活方式与疾病的关系,就必须进行生活方式的观察与测量。而测量常伴误差,误差程度即是可信性问题。病因学研究中测量生活方式,获得观察值的过程中,了解误差相当重要。本文就生活方式的测量有效性、测量可信性的含义及观察表示方法进行了论述。

泰勒级数与罗朗级数的关系

在复变函数论中,泰勒级数与罗朗级数在研究解析函数唯一性,最大模原理,解析函数在孤立奇点邻域的性质,求残数从而计算实积分等等问题起着关键性的作用。泰、罗两级数之间有着密切的关系。 若函数f(Z)在圆环H:r<Z-a<R(其中r≥O,R<+∞)内解析,则由罗朗定理,f(Z)在圆环H内可展为罗朗级数:

用辗转相除法解二元一次不定方程的技巧

众所周知,二元一次不定方程ax+by=c（ab≠0）有整数解的充要条件是（a,b）|c。故,当（a,b）|c时,这个方程有解;当（a,b）（?）c时,方程无解。解这种方程通常的步骤是: （1）求（a,b）,判断方程是否有解; （2）用辗转相除法求出特解（x0,y0）; （3）用公式写出通解。其中步骤（2）要在辗转相除后。

采砂船开采的计算机监控

矿层的准确采挖对取得最佳开采效果极为重要,可以回收的有用矿物与勘探计算的有用矿物之比,即R/E系数表示开采效果。详探后的地质测量是采挖作业的基础。一旦决定开采某一区域,就要根据地质数据对采砂船进行定位。地质数据可以几种方式传送到采挖点,视所用设备的不同。

一种基于信息传递的稀疏子空间聚类算法框架

近年来,基于谱聚类的子空间聚类算法由于其广泛的应用而备受关注.但是,随着数据量的增加,传统方法的时间成本也越来越高.为了提高效率,我们为稀疏子空间聚类提出了一种基于信息传递的统一框架.该框架主要由两个阶段组成.首先,通过采样选择少量的数据点,利用传统方法计算出部分数据的表示系数.在第二阶段,通过信息传递而非传统方式计算出剩余数据的表示系数,从而提高效率.因此,这两部分集成在一起构成完整的表示系数矩阵,传到谱聚类中以获得聚类结果.此框架具有灵活性和可扩展性.它既可以选择不同的采样方法,还可以扩展到其他子空间聚类算法.在COIL-20和YaleBCrop025数据集上的实验结果证实,此框架不仅可以提高效率,而且可以保证聚类精度.

两类数列型线性递归方程的解法

两类数列型线性递归方程的解法韩普宪，李柳辰文［１］介绍了Ｋ阶齐次线性递归方程和Ｋ阶非齐次线性方程解的结构，把求Ｋ阶线性递归方程（１）的解归为求其特征方程的代数根，当方程（３）的所有不同的代数根为Ｘ１，Ｘ２，…，Ｘ２，其重数分别为ｉ１，ｉ２，，……ｉ３...