一、教学要求： 1、 掌握随机变量的数学期望和方差的概念、性质及计算 ； 2、 掌握随机变量函数的期望 ；

海底金矿矿山水害对矿山生产、人员施工及矿山设备等产生较大威胁，是矿山开采中的自然灾害之一，快速有效的判别出矿山水害水源对于事故的防治有重要意义。三山岛金矿的巷道围岩裂隙普遍并长期存在涌水现象，矿区开采中矿井水害的水源主要有海水、第四系水、基岩裂隙水、地下水等，为了准确快速的判别矿井水水源，有效预防矿井水突水及水害威胁，本研究结合监测点水样的水文地质条件与不同监测点水样的水化学成分分析，选取Mg2+、Na++K+、Ca2+、SO42?、Cl?和HCO3 ?共6项指标作为判别因子，通过主成分分析得出不同水样的矿化程度。在贝叶斯算法分析原理的基础上，将马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)引入到贝叶斯方法中，运用统计软件SPSS统计，构建贝叶斯判别分析模型，得出基于水样样本信息的算法估计的后验分布，得出矿山水害水源的分析方法。运用三山岛金矿水害取水点的水样分析数据进行详细的分析验证，建立矿井突水水源模型，进行不同水样的信息分析，得出贝叶斯统计函数并进行水源判别结果分析，验证了贝叶斯矿山水害水源判别模型的准确性和实用性，对现场工作的开展和水害防治有一定的指导意义

以\金属晶粒Euler指数与空间直径相对等值规律\为基础,本文采用列表方式系统地归纳总结了金属多晶体的晶粒尺寸与拓扑参量两类参量的分布数字特征之间的定量函数关系。这些关系可相当便利地用于根据晶粒尺寸参量的分布数据直接估计出拓扑参量分布的宽度、不对称程度和峰态等,并对这种估计办法的可靠程度进行了实验验证

工作目的是建立一个以因特网为介质的铝电解质物理化学性质的计算与查询系统，系统的查询和运算首先是通过表单接收数据，抗后调用JavaScript函数传递数据，在Java applet小程序中处理这些数据，再利用Graphics类中的方法绘制相应的曲线．系统目前收录的铝电解质物理化学性质包括：液相线温度、三氧化二铝的溶解度、电导率、蒸气压、密度、表面张力、粘度、金属的溶解性等．

程序设计语言很多,各有特点。本课程不试图 介绍某种具体的语言,而是抽象出程序设计语 言的共同特点,力图系统讲述程序设计语言的 语法、语义和编译实现之间的关系,介绍数据 结构、顺序控制、子程序、封装、继承等概念 及其实现技术,涉及函数式语言、逻辑式语言 命令式语言和面向对象的语言。讨论程序设 计语言的一般设计和实现方法

程序设计语言很多,各有特点。本课程不试图 介绍某种具体的语言,而是抽象出程序设计语 言的共同特点,力图系统讲述程序设计语言的 语法、语义和编译实现之间的关系,介绍数据 结构、顺序控制、子程序、封装、继承等概念 。 及其实现技术,涉及函数式语言、逻辑式语言 、命令式语言和面向对象的语言。讨论程序设 计语言的一般设计和实现方法。本课程分为12 章

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

对一个系统进行分析和研究,首先要知道 该系统的数学模型,也就是要建立该系统 特性的数学表达式.所谓线性系统,在许多 场合,它的数学模型可以用一个线性微分 方程来描述,或者说是满足叠加原理的一 类系统.这一类系统无论是在电路理论还 是在自动控制理论的研究中,都占有很重 要的地位.本节将应用拉氏变换来解线性 微分方程和建立线性系统的传递函数的概 念

物理量仅是时间的函数一常微分方程 普遍性、共性 物理量仅是时间和空间的函数一偏微分方程 必须考虑对象所处的“环境”—边界条件 求解具体问题 必须考虑对象所处的“历史”初始条件 边界条件和初始条件反应了具体问题的特定环境和历史,即问题 的特殊性、个性.在数学上,边界条件和初始条件合称定解条件 物理问题的共性一物理规律的数学表示:数学建模,通俗地讲, 就是把物理规律用数学语言“翻译”出,体现为物理量在时空中的变 化关系.这种关系通常是偏微分方程

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