简介：本文证明了π-逆半群在其满幂π-正则子半群上的局部化在同构意义下存在唯一，且为其最大群同态象。由此可得π-逆半群的最小群同余。

简介：本文给出了3×3分块矩阵的一个正定性判定准则，应用这个准则，给出了矩阵方程（A^TXB,BT^B)=(C,D)有正定解的充分条件及解的通式。

简介：

简介：用染色方法,借助于TurboC程序,较为方便地测得平板上空洞的分布及形状.

简介：<正>列方程解应用题体现了一种重要的数学思想和方法,是历年来中考的必考内容·因此,同学们一定要学好它,熟练掌握它的解题步骤,也就是:1、认真审题,理解题意·主要是弄清题目中的数量关系,已知数和未知数(包含题目中的要求求出的未知数);2、设元·用1个(或2个)字母表示某个(或2,3个)未知数,并用元的代数式表示其余的未知数·3、寻找等量关系,列出方程或方程组·4、解方程或方程组,求出未知数的值·间接设元

简介：

简介：稀疏表示是近年来新兴的一种数据表示方法,是对人类大脑皮层编码机制的模拟。稀疏表示以其良好的鲁棒性、抗干扰能力、可解释性和判别性等优势,广泛应用于模式识别领域。基于稀疏表示的分类器在人脸识别领域取得了令人惊喜的成就,它将训练样本看成字典,寻求测试样本在字典下的最稀疏的表示,即用尽可能少的训练样本的线性组合来重构测试样本。但是经典的基于稀疏表示的分类器没有考虑训练样本的类别信息,以致被选中的训练样本来自许多类,不利于分类,因此基于组稀疏的分类器被提出。组稀疏方法考虑了训练样本的类别相似性,其目的是用尽可能少类别的训练样本来表示测试样本,然而这类方法的缺点是同类的训练样本或者同时被选中或者同时被丢弃。在实际中,人脸受到光照、表情、姿势甚至遮挡等因素的影响,样本之间关系比较复杂,因此最后介绍局部加权组结构稀疏表示方法。该方法尽量用来自于与测试样本相似的类的训练样本和来自测试样本邻域的训练样本来表示测试样本,以减轻不相关类的干扰,并使得表示更稀疏和更具判别性。

简介：~~

简介：数学是一门应用广泛的学科，改变教学方式，注重应用意识和实践能力的培养，是当前数学课堂改革的要点之一．传统的教学机械沉闷和程式化，缺乏生气和乐趣，缺乏对智慧的挑战和对好奇心的刺激，使学生的生命力在课堂上得不到充分发挥．随着新课程的改革，教材内容以现实生活为背景，采取从实际问题情境入手的方式，贴近学生的生活实际，

简介：这篇文章在伽罗瓦域上的代数构造和关于一些特定类型图的Ramsey数之间建立了一个关系.研究了关于伽罗瓦域上的代数构造的方程及方程组的解.我们得到了一些关于二部图的Ramsey数的新的下界和上界.

简介：我国现代化经济建设成蓬勃发展,现代化管理和应用技术水平不断提高,计算机技术逐渐普及,数学模型在实际工作中大量使用。许多成人院校对数学教学内容的要求日益增加,学员对在工作中应用数学方法解决实际问题的兴趣越来越浓,探讨的范围也日趋广泛。成人院校数学教学如何使数学的抽象理论与应用

简介：~~

简介：~~

简介：初中数学教学，尤其是应用题教学对培养学生思考、分析和解决问题的能力，具有非常重要的作用。但如何在这方面贯穿素质教育的思想，如何改进教学，还没有现成的模式，这是一个需要探讨的重要问题。为此结合自己在教学中的实践，谈谈几点肤浅的看法。一、问题的提出初中学...

简介：随着经济的飞速发展,对经济的预测已经是必要的手段,本文选择灰色预测模型来预测经济的发展.然而,传统的GM(1,1)模型存在一些不足,往往在数据之间变化很大时得不到理想的结果,预测精度不高.首先对GM(1,1)模型做了简单的介绍,然后通过改进初始值的光滑度和背景值的取值优化模型,最后运用改进的GM(1,1)模型预测兰州市未来几年的经济发展,从预测结果看到在2020年兰州市的全民生产总值将达到6000亿.

简介：

简介：由上海市工业与应用数学学会、复旦大学数学科学学院、上海市现代应用数学重点实验室主办,中法应用数学研究所、中国工业与应用数学学会数学模型专业委员会协办的'2012工业与应用数学国际研讨会'于2012年5月19-23日在复旦大学举行,来自英国、美国、日本、加拿大、新西兰以及全国各地的64人参会,

简介：正倒向随机微分方程源于随机控制和金融等问题的研究,反之,方程理论的研究成果在控制、金融等领域也有着重要的应用。基于正向和倒向随机微分方程的理论成果,正倒向随机微分方程的研究在短时间内取得了长足进步。本文将从方程可解性这一角度出发,对正倒向随机微分方程目前取得的成果进行系统的总结与探讨。

简介：利用Taylor公式把一些级数的通项un近似表示成幂函数1/n^α和（-1）^n/n^β的线性组合，误差为高阶无穷小。根据级数∞∑n=11/n^α和∞∑n=1（-1）^n/n^β的收敛情况比较容易地判别级数∞∑n=1un的敛散性。

简介：设(E,S,Ω,f)是随机结构空间,当(E,S,Ω,f)是随机度量空间,随机赋范空间,随机内积空间时,其向量的随机度量,随机范数,随机内积是随机变量.证明了它们的数学期望分别是拟度量,拟范数,内积.应用关于数学期望的结果,进而得到了随机Hilbert空间中线性连续泛函的Riesz表示定理.