1 函数,偏函数,全函数真偏函数 2 单射,满射双射计数问题 3 象,原象 4 常数函数,恒等函数,特征函数,单调函数, 5 自然映射 6 合成(复合)反函数,单边逆(左逆右逆) 7 构造双射(有穷集,无穷集)

一、变量:树支电压。 二、方法:根据基本割集建立KCL方程。 三、方程数:有n-1个树支电压,方程数=n-1 选一个合适的树:将电压源及电压控制量选为树支,电流源及电流控制量选为连支

介绍图的一些最常用的概念,主要 有: 无向图,有向图,边,顶点(或结点,点),弧( 或有向边),顶点集,边集,n阶图,有限图 ,关联,多重图,简单图,完全图,二分图( 或偶图),完全二分图,母图,子图,支撑 子图(或生成子图),导出子图,补图,图 的同构,入度,出度,度,孤立点等 主要定理:握手定理

第8章用ASP访问与操作数据库 本章学习要点: 一、 ActiveX数据对象 二、连接对象的基本功能、方法及属性 三、记录集对象的方法、属性及集合 四、记录集对象的分页显示功能 五、命令对象的主要方法及属性 六、存储过程

§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

1、 线性空间； 2、 线性变换； 3、 线性变换的本征值与本征向量； 4、 内积空间； 5、 正交化法； 6、 自伴算子； 7、 等距变换； 8、 正规变换的本征值与本征向量； 9、 平方可积函数空间； 10、完备正交归一函数集； 11 、多项式逼近 12 、完备正交归一集的例子； 13、 正交多项式

随机过程的基本概念 设对每一个参数t∈T.X(t.w)是一随机变量,我们称随机变量族Xr={x(tw) t∈T}为一随机过程(stochastic process)或称随机函数其中TC是一实数集,称为指标集

意义与目的本章所述采集与诱集,主要想从一般方法上说明如何在不同的环境中 采得所需的种类。困为昆虫和螨都是小型或微小的生物,广泛散布在各种空间环境之中, 尽管它们的数量很多,密度很大,若无有效方法,仍然难以捕捉到手。昆虫学前者涉及 的内容是种类、虫态的识别鉴定以及昆虫的形态学内容。后者则是对具体种类的发生、进 化,以及数量动态的研究。无论从事哪一类研究都需采得昆虫所以采集与诱集是研究昆虫 学的基本方法

第二章多元函数微分学 第一节多元连续函数 2-1-1点集拓扑初步 2-1-1-1度量空间 2-1-1-2邻域、开集与闭集 2-1-1-3集合的紧致性、完备性与连通性 第一讲点集拓扑初步 课后作业: 复习阅读:第一章pp.01--21,己在代数中学过,请抽时间复习。 阅读:第二章11,1.2,1.3,1.4:pp.22-28 预习:第二章2,22:pp29-38 作业:第二章习题1:pp.28-29:1,(2),(3);2,(2),(4);3;5. 2-1-1点集拓扑初步 拓扑与线性空间、代数等概念一样,是一种数学结构。它与线性空间是研

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