一、空间直线方程的四种形式: 1、一般方程; 2、对称式方程(或称标准方程); 3、两点式方程; 4、参数方程。 二、如何将直线的一般方程化为对称式方程? 三、两直线的位置关系 四、直线与平面的位置关系 五、于平面束方程的概念

提出面向对象数据库的逻辑设计方法,并且通过一个实例对方法的可行性进行了检验.此方法对传统的ER模型进行了扩展,加入了继承、构成、消息传递、方法等成分;提出了较为规范的根据陈述需求的资源文本生成扩展的ER模型的方法,包括概念提取、概念分析、分析形式化、确定概念模型等步骤;提出了较为规范的由扩展的ER模型生成面向对象数据库的数据结构的方法,包括消息传递的实现方法和联系的实现方法,以及拥有实例的类的确定法则

一、随机抽样及其特点 二、直接抽样方法 三、挑选抽样方法 四、复合抽样方法 五、复合挑选抽样方法 六、替换抽样方法 七、随机抽样的一般方法 八、随机抽样的其它方法

作为一种工作机理独特的新型传热装置，脉动热管具有极高的传热效率、较高的抗烧干能力、良好的环境适应性，且结构简单、可变，成本较低，具有很高的实际应用价值，是目前传热技术领域的研究热点.本文在对脉动热管的优点、结构形式和工作原理进行总体介绍的基础上，首先从理论建模研究入手归纳了目前研究中通常采用的直管、单弯头管、部分单弯头管等结构模型和质量-弹簧-阻尼模型，质量、动量、能量方程模型以及其他数学模型，然后从实验可视化研究和计算可视化研究两方面综述了脉动热管的运行过程、工作机理以及近年来国内外在脉动热管方面的最新研究进展，从启动性能、传热性能和传热极限三方面系统介绍了管径、长度、截面形状、加热方式、充液率、倾斜角度、输入功率和工作流体种类等不同设计和使用参数对脉动热管性能的影响.进一步从设计与应用方面，对脉动热管在电子设备、太阳能集热、动力装置热管理和低温环境换热等方面的研究进行了综述，展示了脉动热管在实际应用中的效果和优势.最后对今后的研究方向与发展趋势进行了展望，指出可通过更详细的理论和仿真建模研究脉动热管的工作机理、工作性能、工作过程和优化设计方法

与方型断面钢锭一样,扁锭的传搁时间表也可以用计算方法制定,但基本方程要用二维导热方程,故计算量较一维显著增多。文中介绍了计算用基本方程和置换为显式差分格式的各差分方程,举例说明计算步骤及所得数据的实用价值。计算结果可以用来制定钢锭传搁时间表,确定钢锭凝固率,凝固层厚度以及钢锭含有的凝固潜热量,确定装炉热锭载热情况,并在此基础上制定扁锭的合理加热制度和加热时间等。计算还可用于均热炉计算机控制扁锭冷却数学模型的离线解析计算。方锭是扁锭的一个特例,因此,扁锭计算完全适用于方锭

一、差分方程简介 以t表示时间,规定t只取非负整数。t0表示第一周期初, t1表示第二周期初等。记yt为变量y在时刻t时的取值,则 称△yt=yt+1-y为yt的一阶差分,称 为的二阶差分。类似地,可以定义y的n阶差分。 由t、y及y的差分给出的方程称为y差分方程,其中含的最 高阶差分的阶数称为该差分方程的阶。差分方程也可以写成 不显含差分的形式

当全球导航卫星系统(global navigation satellite system,GNSS)分布式仿真环境中共享的模型数量非常多时,检索模型和配置仿真任务将成为一个比较复杂的工程.为提高仿真模型选取和仿真任务配置的效率,设计了一套针对GNSS分布式仿真环境中仿真模型的实时智能推荐方法,方法中首先定义了模型关联关系和接口形状的概念,然后提出了一种条件约束下的频繁模式树(FP-tree)结构,并从理论上分析了该结构在检索任务量方面的减少程度,设计并推导了模型关联关系度的计算方法,以及整套智能推荐方法的运行流程.推荐方法在GNSS分布式仿真环境中进行了仿真验证,仿真结果与传统智能推荐方法做对比分析,分析结果表明,该方法针对仿真模型推荐时运行时间短,推荐结果准确度高,能够实时为用户推荐合适的模型

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