无穷乘积的定义 设 p1，p2，…， n p ，…（ ≠ 0 n p ）是无穷可列个实数，我们称它 们的“积” ⋅ 21 ⋅ ⋅ ppp n ⋅\\ 为无穷乘积，记为∏ ∞ n=1 pn ，其中 n p 称为无穷乘积的通项或一般项

极大似然估计的求法 —选择参数的估计量,使实验结果具有最大概率 估计量的几个评选标准 ·样本原点矩是总体原点矩的无偏估计量; 无偏性——E()=·样本方差是总体方差的无偏估计量; ·无偏估计量的函数未必是无偏估计量

1.1 无人机概述 1.3 无人机获取数据的特点 1.4 无人机摄影测量处理难点 1.2 倾斜摄影与贴近摄影

树： 连通无回路的无向图称为无向树,简称树,常用T表示树。(即树是不包含回路的连通图) 平凡图称为平凡树。 若无向图G至少有两个连通分支,则称G为森林。 在无向树中，悬挂顶点称为树叶，度数大于或等于2的顶点称为分支点

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

类似于一元函数的广义积分对于二元函数也有两 类广义二重积分.即可分为积分区域无限与被积函数无 界两种下面只研究无界区域上的二重积分的计算方法 定义3设D是xoy面上的无界区域,f(x2y)在D上连续且G 是D上的任意一个闭区域上若G以任何方式无限扩展且 趋于D时

类似于一元函数的广义积分对于二元函数也有两 类广义二重积分.即可分为积分区域无限与被积函数无 界两种下面只研究无界区域上的二重积分的计算方法 定义3设D是xoy面上的无界区域,f(x2y)在D上连续且G 是D上的任意一个闭区域上若G以任何方式无限扩展且 趋于D时,均有limf(x,y)dxdy=1

实验目的 1、了解无约束最优化基本算法。 2、掌握用数学软件包求解无约束最优化问题。 实验内容 1、无约束优化基本思想及基本算法 2、 MATLAB优化工具箱简介 3、用 MATLAB求解无约束优化问题。 4、实验作业

应用置换群理论,引入了超过群、超围群和超图同构的概念,导出了超过群及其循环指标的一般表达式.导出了无向无标号超图和标号超目的计数级数,解决了无向超图的同构和计数问题

9.1无因次准则数 9.2单相流体的传热与压降 9.2.1通道内无相变的对流换热 9.2.2光管内流动的摩擦因子 9.2.3管外无相变对流换热 9.2.4管外无相变摩擦因子 9.3冷凝对流换热