§6.1 度量空间的进一步例子 §6.2(1) 度量空间中的极限 §6.2(2) 度量空间中的稠密集 可分空间 §6.3 连续映照

围绕以LiBr/H2O为工质对的单级太阳能吸收式制冷循环因对太阳能集热温度要求高而难以实现应用的问题，提出了CaCl2-LiBr（1.35∶1）/H2O（CaCl2与LiBr的质量比为1.35∶1）新型工质对，系统地测定了其结晶温度、饱和蒸气压、密度和黏度，并与LiBr/H2O进行了比较.结果表明，采用CaCl2-LiBr（1.35∶1）/H2O作为太阳能单级吸收式制冷循环的工质对，在同一制冷工况条件下，其发生温度，即太阳能集热温度比采用LiBr/H2O的情况低6.2℃.另外，采用浸泡法测试了碳钢、316L不锈钢和紫铜在CaCl2-LiBr（1.35∶1）/H2O中的腐蚀速率，结果表明316L不锈钢和紫铜的腐蚀性非常小，可满足实际工程应用的要求

9-1概述 9-2剪力和弯矩及其方程 9-3剪力图和弯矩图的绘制 9-4载荷集度、剪力和弯矩间的关系 9-5用叠加法作弯矩图

3模型的数据部分和初始部分 处理模型的数据时,需要为集指派一些成员并且在求解模型之前为集的某些属性指定值。 两个可选部分: 输入集成员和数据的数据部分(Data Section); 为决策变量设置初始值的初始部分(Init Section)。 3.1模型的数据部分 3.1.1数据部分入门

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

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

数学分析研究的对象是定义在实数集上的函数，因此先叙述一下 实数的有关概念

通过高温高压动态反应釜实验模拟油田集输管道腐蚀环境,采用腐蚀失重、X射线衍射、扫描电镜和电化学分析等方法,研究了CO2/油/水环境中X65钢的腐蚀行为

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

2 二数集.确界原理: 一/区间与邻域