广西4月雨量异常的车比雪夫多项式诊断及预测方法

利用1960-2004年广西4月37个基本站降水量，NCEP／NCAR 1960-2004年逐日500hPa再分析资料，对广西及邻近区域（10°～30°N，95°～125°E）高度场进行车比雪夫多项式展开，分析了广西4月异常多雨及少雨年降水量与车比雪夫多项式系数的关系及其降水异常的成因；利用相似合成方法对相关较大的车比雪夫多项式因子进行预测，进而作出广西4月降水量多、少的趋势预测，为有效利用近期逐日环流场资料制作短期降水气候预测提供了新的思路和方法。

半测地坐标网和车比雪夫坐标网的几个性质

定义1 曲面上的一个坐标网,其中一族是测地线,另一族是该族测地线的正交轨线,则这个坐标网称为半测地坐标网。定义2 如果曲面的曲线网中的曲线所构成的四边形对边都相等,则这种曲线叫做车比雪夫坐标网。定理1 若曲面上的坐标网是半测地坐标网,且 Gu=0,则它是车比雪夫坐标网。证明由于曲面的坐标网是半测坐地标网 E=1,F=0。

关于车比雪夫多项式卷积的正交性

设Un(x)表示第二类车比雪夫多项式。即U0(x)=1,U1(x)=2x,当n≥1时有递推关系式Un+1(x)=2x Un(x)-Un-1(x)。文中的主要目的是运用初等方法以及幂级数的性质研究Un(x)的一类卷积的正交性问题,并给出该类卷积的一个有趣的积分计算公式。

基于段级特征的对话环境下说话人分段算法

提出了一种使用段级语音特征对测试进行说话人分段从而实现对话环境下说话人分段算法,算法实现中基于车比雪夫和不等式提出了基于协方差模型的段级特征的距离测度描述。该识别方法根据实验选择了合适的段级特征语音段长度,实验结果表明基于段级特征的说话人识别方法在有效地在对话环境下将多人的语音进行分段,从而提高了说话人识别系统的精度和识别速度。

基于段级特征的快速说话人识别算法及DSP实现

本文在TMS320C6701EVM板的基础上实现一种快速的说话人识别系统。提出一种基于段级语音特征的说话人识别的快速算法,该算法在传统的GMM算法的基础上使用段级语音特征对测试语音进行数据量压缩,以减少计算时间。并基于车比雪夫和不等式提出了基于协方差模型的段级特征的失真测度描述。根据实验选择了段级特征语音段长度,实验表明该算法在不显著影响识别率的基础上有效地减少了算法延迟,提高了识别速度。

基于TMS320C6701EVM板的说话人识别系统

本文在TMS320C6701EVM板的基础上实现一种快速的说话人识别系统。本文提出一种基于段级语音特征的说话人识别的快速算法,该算法在传统的GMM算法的基础上使用段级语音特征对测试语音进行数据量压缩,以减少计算时间。并基于车比雪夫和不等式提出了基于协方差模型的段级特征的失真测度描述。本文根据实验选择了段级特征语音段长度,实验表明该算法在不显著影响识别率的基础上有效地减少了算法延迟,提高了识别速度。

略论数学学派的数学思想

我们当中有谁不想揭开未来的帷幕,看一看在今后的世纪里我们这门科学发展的前景和奥秘呢?我们下一代的主要数学思潮将追求什么样的特殊目标?在广阔而丰富的数学思想领域,新世纪将会带来什么样的新方法和新成果? ——[德]D·希尔伯特:《数学问题》(1900年) 数学家和历史学家的根本事业是研究数学思想,过去的思想,现在的思想,如果可能的话,将来的思想。 ——[法]A·魏伊:《数学史:Why and how》

The Pointwise Approximation by the Euler（E,1）—Means of “Mixed” Jacobi Series

In this paper,we have given the pointwise estimate of approximation to the function in the class lip α(O<α<1） by the Euler (E,1)-“means” of the mixed jacobi series.

大风冰雹的一种自动化预报系统

本文介绍一种借助BASIC语言,邵瑜软汉字系统和通信外接口,从气象原始资料的接收处理、物理量的计算加工,预报因子的筛选确定、预报方程的建立判别、各县历史相似概率的计算、预报结论的输出都由微机(APPLe—Ⅱ)完成的大风冰雹自动化预报系统。

第四届全国中学生数学冬令营试题及解答

第四届全国中学生数学冬令营于1989年1月15日至20日在中国科学技术大学举行。营员共76人,他们是各省、市、自治区去年参加全国数学联赛的优胜者。元月17日、18日两个上午,各举行了为时4个半小时的数学竞赛,试题如下。

高速公路网络上行车时间估计和最优路线的选取

首先建立交通流动力学模型求解问题Ⅰ.在不考虑流量和考虑流量的两种情况下,该模型都能够解出在任意给定的时刻t位于第一个传感器的车辆到达第5个感应器的行车时间.我们还从四个方面给出了判断交通堵塞的衡量标准,并且利用神经网络方法准确地对未来的车流状态进行了预测.问题Ⅱ建立了交通网络的加权有向图模型,引入协方差矩阵描述网络中道路之间的相关性,并设计了查找最优路径的动态Dijkstra算法.问题Ⅲ构建了统计多目标规划模型,利用车比雪夫不等式,成功找到了从端点3到14和14到3的最优路径,并估算出了对应的行车时间.