概率布尔控制网络的弱能控性

本文研究了概率布尔控制网络的弱能控性,系统的弱能控性是概率布尔网络精确能控的一个推广.首先利用矩阵的半张量积和逻辑变量的向量表示,概率布尔控制网络被表示为离散时间动态系统.接着给出概率布尔控制网络弱能控的定义,从离散时间系统的结构矩阵出发,构造了最大概率转移矩阵,矩阵中的元素表示相应状态之间可能发生转移的最大概率,在此基础上研究了概率布尔控制网络的弱能控的条件,同时给出了两个状态弱能达时控制序列的设计算法.最后通过例子进一步解释了弱能控的概念和控制序列设计算法的有效性.     

布尔控制网络的输出稳定与镇定

矩阵的半张量积是将逻辑变量转化为向量研究的主要工具.本文利用半张量积把逻辑控制系统表示为离散时间仿射线性系统,在逻辑系统的状态空间框架下研究了以布尔控制网络为代表的逻辑动态系统的输出稳定与镇定.首先给出布尔网络输出稳定的定义,研究了布尔网络输出稳定的充要条件;其次讨论了布尔控制网络的输出镇定,分别得到了布尔控制网络由常值输入变量、自由控制序列、状态反馈控制序列输出镇定的条件.本文讨论的系统输出稳定与镇定是(部分)变量稳定与镇定的推广.     

基于不完备信息系统的三角模糊数决策粗糙集

在不完备信息系统中,针对用区间值表示一个未知参量时,整个区间内取值机会被认为是均等的,得到的结果可能会产生过大误差的问题,将三角模糊数引入到决策粗糙集中,提出了一种基于不完备信息系统的三角模糊数决策粗糙集。首先,定义了一种描述不完备信息的相似关系;然后,针对不完备信息系统中的缺失值,利用三角模糊数来获取损失函数,构建了三角模糊数决策粗糙集模型;实例表明,本文提出的方法不仅能够弥补用区间数表示的不足,而且可以突出可能性最大的主值,从而减少分类误差。     

演示实验对大学物理教学的辅助作甩

分析了演示实验在教学中的积极作用和地位,总结出演示实验中教师应注意的事项,指出了演示实验中存在的一些问题。演示实验对大学物理教学具有重要的辅助作用,是大学物理教学中不可缺少的环节,教师应认真对待,利用演示实验启发学生主动思考,培养学生科学思维的方法。     

魔芋胶颗粒人体试食减肥效果观察

目的:观察魔芋胶颗粒对单纯性肥胖人群减肥作用。方法:将112例单纯性肥胖者按体重和体脂质量随机分为试食组和对照组,试食组连续服用受试物60 d。服用前后测定体重、腰围、臀围、体内脂肪含量、皮下脂肪厚度和安全性指标。结果:试食组试食后体重平均下降2.34kg,超重度平均下降了4.50%,BMI指数平均下降0.88,腰围平均下降3.13 cm,臀围平均下降2.26cm,体脂总量平均下降2.72 kg,体脂百分含量平均下降2.55%,4个测定点皮下脂肪厚度均显著减少。试食组试食前后自身比较差异有显著性(P0.01);试食后试食组与对照组比较,体内脂肪总量、体脂百分含量下降,腰围减低,皮下脂肪4个点中有3个点减少,差异有显著性(P0.01或P0.05)。各项安全性指标试验前后均无明显改变。结论:魔芋胶颗粒对单纯性肥胖者具有减肥作用。     

基于限域拟牛顿法的混沌类电磁学机制算法及其在路径寻优中的应用

针对类电磁学(EM)算法后期"开采"能力不够、解精度不高且易陷入早熟的问题,提出了一种结合混沌映射和限域拟牛顿(L-BFGS)局部寻优算子的混沌类电磁学算法。其主要思想是在类电磁学算法后期采用限域拟牛顿算子取代类电磁学算法局部寻优算子进行局部搜索;在算法整个寻优过程加入混沌映射,利用混沌映射随机遍历的特性,生成新个体跳出局部从而保持种群多样性。通过对3个连续域测试函数的仿真比较,表明该算法后期能有效地跳出局部最优,较基本类电磁学算法在收敛速度方面有明显优势,较粒子群算法(PSO)和加速度系数随时间变化的粒子群算法(TVAC)在解的精度以及快速收敛方面更佳;通过在路径寻优中的应用结果对比表明该算法较元胞蚁群算法(ACO)、粒子群算法在路径寻优中能得到最佳路径,说明其在离散域问题中具有更好的适用性。     

弱罗马图和图的弱罗马控制的一些性质

罗马控制是一个有丰富历史背景和数学背景的典型控制问题,它与计算机科学、交通安全监管控制、企业安全生产监管控制、组合优化、监视系统和社会网络等领域密切相关,具有重要的理论意义和应用价值。图的弱罗马控制数是图的弱罗马控制函数的最小权,记为γr(G)。图G的控制集的最小基数称为最小控制数,记为γ(G)。若图G满足γr(G)=2γ(G),则称图G是弱罗马图。用构造法确定了路P3,星K₁,t(t≥2),由星K₁,t₁,K₁,t₂,···,K₁,t_n(t_i≥3,i=1,2,···,n)的中心点依次连接成一条路所构成的树T,或由它们的外点连接构成的树T是弱罗马图,并给出了弱罗马图和图的弱罗马控制的一些性质。     

块序列布尔网络的拓扑结构

利用矩阵的半张量积,通过建立逻辑变量与向量的对应,块序列布尔网络被表示为离散时间系统,将对序列布尔网络的研究转化为对结构矩阵的研究.块序列布尔网络的结构矩阵是一个逻辑矩阵,利用逻辑矩阵的1特征值与和1特征向量的特殊性质,从矩阵特征值和特征向量的角度研究了块序列布尔网络的拓扑结构,显式表示出了不同长度极限环的个数,并指出网络的极限环总数等于(2n-结构矩阵的秩).     

遥感大数据研究现状与发展趋势

目的 遥感数据空间分辨率、时间分辨率、光谱分辨率以及辐射分辨率不断提高,数据类型也不断增加,从航天、航空、临近空间等遥感平台所获取的遥感数据量急剧增加,遥感数据已经具有明显的大数据特征。本文旨在从系统应用的角度分析遥感大数据处理中涉及的关键技术与问题,为相关研究人员提供有价值的参考。方法 在参考大量文献的基础上,首先阐明遥感大数据的特点。其次,从GPU硬件加速、集群、网格、云计算、云格、复杂高性能计算等角度介绍了遥感大数据处理系统。再次,从分布式集群化存储技术等,分析了遥感大数据处理的关键技术。最后,从遥感大数据的多类不确定性、信息融合、机器学习、分析平台等出发,说明了目前研究存在的问题;从遥感大数据多类不确定性建模,面向遥感大数据的机器学习方法等角度说明了遥感大数据发展的趋势。结果 本文详细梳理了遥感大数据的特点、典型的处理系统、核心技术,力图总结出在实际应用与学术研究中该领域需要解决的关键问题以及未来的发展趋势。结论 大数据技术为遥感数据挖掘与知识获取带来了机遇与挑战,面向大数据的机器学习、数据统一分析框架、面向大数据的信息深度融合等问题的突破,将促进遥感知识挖掘的进一步发展。     

背景与时间感知的相关滤波实时视觉跟踪

目的 传统的相关滤波跟踪算法采用对跟踪目标（唯一准确正样本）循环移位获取负样本,在整个学习过程中没有对真正的背景信息进行建模,因此当目标与背景信息极其相似时容易漂移。大多数跟踪算法为了提高跟踪性能,在时间序列上收集了大量的训练样本而导致计算复杂度的增加。采用模型在线更新策略,由于未考虑时间一致性,使得学习到的滤波器可能偏向背景而发生漂移。为了改善以上问题,本文在背景感知相关滤波（BACF）跟踪算法的基础上,加入时间感知,构建了一个带等式限制的相关滤波目标函数,称为背景与时间感知相关滤波（BTCF）视觉跟踪。该算法不但获取了真正的负样本作为训练集,而且仅用当前帧信息无需模型在线更新策略就能学习到具有较强判别力的相关滤波器。方法 首先将带等式限制的相关滤波目标函数转化为无约束的增广拉格朗日乘子公式,然后采用交替方向乘子方法（ADMM）转化为两个具有闭式解的子问题迭代求最优解。结果 采用OTB2015数据库中的OPE（one pass evaluation）评价准则,以成功率曲线图线下面积（AUC）和中心点位置误差为评判标准,在OTB2015公开数据库上与10个比较优秀的视觉跟踪算法进行对比实验。结果显示,100个视频序列和11个视频属性的成功率及对应的AUC和中心位置误差均明显优于其他基于相关滤波的视觉跟踪算法,说明本文算法具有良好的跟踪效果。本文的BTCF算法仅采用HOG纯手工特征,在OTB2015数据库上AUC较BACF算法提高了1.3%;由于颜色与边缘特征具有互补特性,本文融合CN（color names）特征后,在OTB2015数据库上,AUC较BACF算法提高了4.2%,采用纯手工特征跟踪性能AUC达到0.663,跟踪速度达到25.4帧/s。结论 本文的BTCF算法能够适用于光照变化、目标旋转、遮挡等复杂情况下的视觉跟踪,具有良好的鲁棒性和一定的实时性。