西北师范大学数学与信息科学学院
- 作品数：2,612 被引量：7,425H指数：33
- 相关作者：金坚明程辉张志军赵学峰萧礼更多>>
- 相关机构：兰州交通大学数理与软件工程学院兰州大学信息科学与工程学院兰州城市学院数学学院更多>>
- 发文基金：国家自然科学基金甘肃省自然科学基金甘肃省教育厅科研基金更多>>
- 相关领域：理学自动化与计算机技术文化科学经济管理更多>>
- 大学生法律意识存在的问题及培养途径被引量：7
- 2010年
- 大学生是国家和民族的未来,是社会主义事业的建设者和接班人,健全的法律意识是促进大学生健康成长的重要因素,是成才的需要,是有效参与社会生活的重要途径。大学生法律意识的高低,直接关系着我国依法治国的前景,对我国社会主义建设发挥着举足轻重的作用。本文主要分析了当代大学生的法律意识存在问题,并对培养提高大学生法律意识的途径进行探讨。
- 张宏旺王仁
- 关键词：当代大学生法律意识
- 嵌入式实时操作系统BSP的探讨被引量：1
- 2003年
- 基于嵌入式实时操作系统的要求 ,分析了VxWorks的功能 ,强调BSP(BoardSupportPackage)针对于不同的基本接口界面 ,提供不同的BSP ;同时说明BSP的功能是提供给操作系统一个无关的设备接口 ,可以让程序开发者在不熟悉具体硬件的情况下正确地配置硬件寄存器 ,并给出了它的主要设计方法和实现过程。
- 刘雪艳张强张贵仓
- 关键词：嵌入式VXWORKS
- 无线局域网业务流预报方法比较
- 2008年
- 介绍了基于时间序列、神经网络和小波的多种网络业务的预报方法,应用真实的无线局域网业务流序列检验了这些模型的预报性能,结果表明,和其他预报模型相比,基于神经网络的模型能够比较精确地捕获无线局域网业务流自身的特性,对业务流具有良好的预报性能,而基于AR IMA模型的预报性能最差。
- 冯慧芳舒炎泰
- 关键词：时间序列人工神经网络小波
- 齐次Morrey-Herz空间上粗糙核分数次积分交换子及多线性算子的CBMO估计被引量：3
- 2009年
- 利用齐次Morrey-Herz空间MK.pα,,qλ(Rnn)与齐次Herz空间.Kqα,p(Rnn)之间的关系,推广了.Kαq,p(Rnn)上的一些结果,在MK.pα,,qλ(Rnn)上建立了具有粗糙核的分数次积分交换子TΩb,l及多线性分数次积分算子TAΩ,l的中心有界平均振荡函数空间(CBMO)估计,并得到了分数次极大交换子MΩb,l和多线性分数次极大算子MΩA,l的相应结果.
- 武江龙陶双平
- 关键词：交换子多线性算子分数次积分粗糙核MORREY-HERZ空间
- E-Baer模
- 2010年
- 引入了E-Baer模的概念,并探讨了E-Baer模与Baer模的关系及E-Baer模的性质.证明了K-非奇异的E-Baer模是Baer模,同时证明了E-Baer模关于直和因子封闭,在一定条件下关于直和封闭;另外,E-Baer模的自同态环是右E-Baer模环.
- 王利民陈宁茹
- 关键词：自同态环零化子
- Banach空间二阶边值问题解的存在性
- 2010年
- 讨论了Banach空间中非线性二阶Dirichlet边值问题解的存在性.在非线性项满足较弱的非紧性测度条件及线性增长条件下,应用凝聚映射的拓扑度理论获得了该问题解的存在性.这个线性增长条件是保证解存在的最优条件.
- 杨艳
- 关键词：二阶边值问题存在性凝聚映射拓扑度
- 递增EM算法的图像聚类
- 2011年
- 研究在样本子集中实现EM估计的递增EM算法.通过检测子样本的似然判断条件,自动选择样本递增的数量,建立子样本的拟合分布逐步逼进完全样本的高斯模型的过程,改进了传统EM算法在每一步迭代都需要遍历完全样本的计算复杂性以及效率较低的问题.实验结果表明,与EM算法相比,该算法能更早地达到估计值的领域,具有较快的收敛速度,聚类效果显著.
- 贾俊杰王治和
- 关键词：图像聚类EM算法高斯混合模型极大似然估计
- Kurzweil方程的强收敛性（英文）
- 2020年
- 本文利用Kurzweil积分理论和Φ-有界变差函数理论,讨论了Kurzweil方程的强收敛性及其在常微分方程序列中的应用.得到Kurzweil方程Φ-有界变差解的强收敛性定理,该结果是对Kurzweil方程Φ-有界变差解对参数的连续依赖性性质的延续,并且是对已有的Kurzweil方程的有界变差解的强收敛性定理的本质推广.
- 马学敏张玲李宝麟
- 关键词：KURZWEIL方程强收敛性
- 最大公因式的矩阵求法被引量：2
- 2003年
- 利用多项式矩阵的行初等变换给出了求几个多项式的最大公因式的新方法,并给出了这种方法的具体应用。
- 杨刚
- 关键词：多项式矩阵行初等变换最大公因式
- 一种改进的基于密度的聚类算法被引量：20
- 2012年
- 聚类是数据挖掘领域中的一个重要研究方向,在基于密度的聚类算法DBSCAN的基础上,提出了一种改进的基于密度的聚类算法,该算法在核心点的邻域扩展中不再将邻域内的点作为种子点,而是按顺序选择一个邻域外未被标记的点作为种子点,然后分不同情况进行相应的聚类扩展,此算法可以有效减少聚类中核心点邻域重叠区域查询的次数和运行的时间,实验测试结果也表明该算法聚类的效率和质量明显优于DBSCAN算法.
- 许虎寅王治和
- 关键词：DBSCAN聚类
