针对突发灾害事故应急决策过程中存在的模糊性和随机性问题，提出了一种基于云模型的应急决策方法.首先根据突发灾害事故应急的目标和特点选择决策指标并建立决策指标集；然后基于决策者的语言值及其对应的数域确定决策指标的权重值和评价值，利用逆向云发生器算法生成云模型的数字特征；再利用综合云的思想，运用云运算规则，得到各应急方案的评价云；最后把应急方案的评价云与评价标准云进行相似性比较，综合判断应急方案的评价等级并优选最佳的应急方案.实例研究表明：该方法充分利用了专家的群体信息，实现了应急方案决策中定性语言和定量评价之间的有效转化，结果更为直观、合理，便于改善应急决策的客观性和提高应急管理的效率

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示:没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

提出了一种面向网络长文本的话题检测方法.针对文本表示的高维稀疏性和忽略潜在语义的问题，提出了Word2vec&LDA（latent dirichlet allocation）的文本表示方法.将LDA提取的文本特征词隐含主题和Word2vec映射的特征词向量进行加权融合既能够进行降维的作用又可以较为完整的表示出文本信息.针对传统话题发现方法对长文本输入顺序敏感问题，提出了基于文本聚类的Single-Pass&HAC（hierarchical agglomerative clustering）的话题发现方法，在引入时间窗口和凝聚式层次聚类的基础上对于文本的输入顺序具有了更强的鲁棒性，同时提高了聚类的精度和效率.为了评估所提出方法的有效性，本文从某大学社交平台收集了来自真实世界的多源数据集，并基于此进行了大量的实验.实验结果证明，本文提出的方法相对于现有的方法，如VSM（state vector space model）、Single-Pass等拥有更好的效果，话题检测的精度提高了10%~20%

1.3 流体流动的基本方程 1.3.1 基本概念 1.3.2 质量衡算方程 1.3.3 运动方程 一、作用在流体上的力 二、运动方程 三、N-S方程 四、欧拉方程 五、不可压缩流体稳定层流时的N-S 方程若干解

一个类的方法代码只有一份,它们的生命期和类是一致的,所谓的实例方法 是指通过对象名调用的方法,静态方法与类关联,而不是与对象关联,定义 静态方法时要使用 static关键字,调用静态方法时要使用类名,而不是对象名 。静态方法不能直接访问非静态的字段,静态字段可以被所有方法所访问

„ 递推方程的定义 „ 递推方程的实例 „ 常系数线性递推方程的求解 „ 常系数线性递推方程定义 „ 公式解法 „ 递推方程在计数问题中的应用 „ 换元法 „ 迭代归纳法--递归树 „ 差消法 „ 尝试法 „ 应用实例

一、标准分析方法 一个项目的测定往往有多种可供选择的分析方法这些方法的灵敏度不同对 仪器和操作的要求不同而且由于方法的原理不同干扰因素也不同甚至其结果 的表示涵义也不尽相同。当采用不同方法测定同一项目时就会产生结果不可比 的问题因此有必要进行分析方法标准化活动。标准方法的选定首先要达到所要 求的检出限度·其次能提供足够小的随机和系统误差同时对各种环境样品能得 到相近的准确度和精密度,当然也要考虑技术、仪器

铰接式车辆的路径跟踪控制是矿山自动化领域中的关键技术，而数学模型和路径跟踪控制方法是铰接式车辆路径跟踪控制中的两项重要研究内容。在数学模型研究中，铰接式车辆的无侧滑经典运动学模型较为适合作为低速路径跟踪控制的参考模型，而有侧滑运动学模型作为参考模型时则可能导致侧滑加剧。此外基于牛顿–欧拉法建立的铰接式车辆四自由度动力学模型原则上满足路径跟踪控制的需求，但是还需要解决当前的四自由度模型无法同时反映瞬态转向特性和稳态转向特性的问题。在路径跟踪控制方法研究中，反馈线性化控制、最优控制、滑模控制等无前馈信息的控制方法无法有效解决铰接式车辆跟踪存在较大幅度曲率突变的参考路径时误差较大的问题，前馈–反馈控制可以用于解决上述问题，但是在参考路径具有不同幅度的曲率突变时需要解决自动调整预瞄距离的问题，而模型预测控制，尤其是非线性模型预测控制，可以更加有效地利用前馈信息，且不需要考虑预瞄距离的设置，从而可以有效提高铰接式车辆跟踪存在较大幅度曲率突变的参考路径时的精确性。此外，对于基于非线性模型预测控制的铰接式车辆路径跟踪控制，还需深化三个方面的研究。首先，该控制方法仍然存在误差最大值随参考速度增大而增加的趋势。其次，目前该控制方法以运动学模型作为预测模型，无法解决铰接式车辆以较高的参考速度运行时侧向速度导致的精确性下降和安全性恶化的问题。最后，还需对这种控制方法进行实时性方面的优化研究

7决策论 决策(decision):为达到特定的目标,运用科学的理论和方 法,制定各种可行的方案,从中选择并执行最佳方案的过程 方案只有一个时,只能被迫执行,不能称为决策.只有从两个 以上的方案中选择才是决策. 决策贯穿于管理过程的始终,正如管理决策理论的代表人物 美国的西蒙(HA. Simon)所言“管理就是决策” 决策过程的五个阶段: (1)确定目标. (2)拟定可行方案在拟定方案时,要考虑到影响方案实施 的各种自然因素及受其影响所产生的效果