第一章 行列式 §1.1 行列式的概念 §1.2 行列式的性质 §1.3 行列式的展开计算 §1.4 Cramer 法则 第二章 矩阵运算 §2.1 矩阵的概念 §2.2 矩阵的线性运算及乘法运算 §2.3 转置矩阵及方阵的行列式 §2.4 方阵的逆矩阵 §2.5 分块矩阵 第三章 初等变换与线性方程组 §3.1 初等变换化简矩阵 §3.2 初等矩阵 §3.3 矩阵的秩 §3.4 求解线性方程组——Gauss 消元法 第四章 向量组的线性相关性 §4.1 向量组的线性相关性 §4.2 向量组的极大线性无关组及秩 §4.3 向量空间介绍 §4.4 线性方程组的解的结构 第五章 特征问题及二次型 §5.1 方矩阵的特征值与特征向量 §5.2 方阵 A 相似于对角矩阵 §5.3 二次型的标准形 §5.4 正交变换化二次型为标准形 §5.5 二次型正定性

分析了三相-单相矩阵变换器(3-1MC)输入侧低次谐波的产生原因,推导了功率补偿拓扑结构下的输出侧与补偿侧调制函数约束关系式.研究输入电压不平衡下,含电容补偿单元的3-1MC单网侧电流反馈控制策略无法对输入两相旋转坐标轴(dq轴)下的直轴与交轴电流分量实现无静差控制,提出了在功率补偿下对输入三相电流作正序、负序dq轴分解,分别独立对输入双dq轴下正序、负序电流作解耦内环,输出侧与补偿侧电压加权合成为外环的双闭环控制.实验与仿真结果均表明该策略不仅使3-1MC具有功率补偿功能,而且有效抑制了电压不平衡引起的输入电流与输出电压所含低次谐波,提高了3-1MC在单相用电场合的实用性

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断