针对一类具有空间不均匀性的辨识和回归问题，提出了基于小波分析的极限学习机方法.从多分辨率分析的思想出发，构造一簇紧支撑正交小波作为隐层激活函数，并利用改进的误差最小化极限学习机训练输出层权重，避免了新加入高分辨率子网络后的重新训练.同时，由一维多分辨分析的张量积构造了二维多分辨小波极限学习机.进而通过脊波变换将小波学习机扩展到高维空间，对脊波函数的伸缩、方向和位置参数进行优化计算.对具有奇异性的函数仿真结果证明，与标准极限学习机相比，小波极限学习机由于其聚微性能在极短的训练时间内更好地逼近目标.一些实际基准回归问题上的测试验证了脊波极限学习机在其中大部分问题上达到更高的训练和泛化精度

本文讨论了含有离散变量的约束非线性规划问题。介绍了若干基本概念和定义,并给出了该问题的最优性条件和收敛条件。最后文中给出了理论研究的应用成果

为了解决目前轧齐理论应用于窄台阶轧齐曲线求解时精确性不足的问题,同时为了进一步了解轧齐成形本质,通过改进几何模型,分析并给出各影响因素之间关系函数,将轧齐曲线求解问题描述成为微分方程初值问题.通过软件编程应用数值方法进行求解,得到窄台阶轧齐曲线函数的离散值.使用有限元模拟计算及轧制试验的方法,将计算结果与文献作对比.通过对比分析模拟和实验结果中台阶面的尺寸,证明该解法不但是成立的,而且有利于成形更加精确的内侧较窄直角台阶

1、了解“思想道德修养与法律基础”课的性质和基本内容，解决“是什么”和“学什么” 的问题。 2、让学生认识到学习“思想道德修养与法律基础”课与自己的成长成才密切相关，能否 学好这门课关系到自己的未来前途和人生价值的实现，从而激发起努力学习的兴趣和热情， 自觉践行社会主义核心价值体系，提高思想道德素质和法律素质，解决“为什么学”的问题。 3、认识“思想道德修养与法律基础”课的特点，掌握正确的学习方法，提高学习的积极 性和主动性。解决“如何学”的问题

本文介绍一种新的混合离散变量优化方法及通用程序。该程序适合于求解含有整型、离散型和连续型变量的最优化问题,能给出符合工程要求的规格化最优解。本程序经用30个工程设计和数学问题的考核与评定,证明这种具有多功能的组合型算法和程序,其解题的可靠性,若按最优解的目标函数值的精度在10-2以下统计,达到100%。文中还简介了本程序在两个工程设计问题中的应用

为了解决社交网络中用户申请加入群组的合适性判断问题，将安全多方计算技术中的求和协议与秘密比较协议相结合提出了保护私有信息的合群判定协议.其中基础协议解决一维线性模型下问题的安全求解，扩展协议对基于圆边界的多维模型情况进行判定.针对单一申请者与网络群组多用户的特点，将问题转换为两方计算模型可实现的形式，在证明了协议正确性的基础上分析协议的复杂度，并且利用安全视图的方法逐步验证了在协议执行过程中不会泄露任何个人的隐私数据.实际使用中协议能够有效地回避盲目的系统推荐和管理员离线所产生的判定时延，同时保护申请者和群组成员的隐私数据

1.系统的实现问题 系统的实现:根据系统的外部描述构造一个内 部结构,要求既保持外部描述的输入输出关系, 又要将系统的内部结构确定下来。 这是一个复杂的问题,但也是一个非常重要的 问题。一方面,描述系统输入输出关系的微分 方程或传递函数可以用实验的方法得到,我们 可以从输入输出关系描述建立状态空间描述, 这是建立状态空间描述的一条途径(前面介绍 的是通过机理分析建立状态空间描述)

工业监控系统所采集到的多元时间序列在利用数据挖掘技术获取内部存在的未知模式的过程中，经常会出现原始数据庞杂、分段结果重复、交集过多和界限不清晰等问题，导致含有突变变量或数据间相关性差的数据集进行模式挖掘结果不理想.针对上述问题，本文提出了一种新的多元时序模糊聚类分段挖掘算法.实验结果表明，该算法克服了Gath-Geva算法聚类精度易受初始值影响的不足，能够较好地反映出原始数据中潜在的过程变化，从而有效地处理时间序列的分段问题并得到理想的挖掘结果

一、博弈论(Game Theory) 博弈论研究决策主体的行为相互发生直接作用时的决策,以及这种决 策的均衡问题。也就是说,一个主体(一个人或一个企业)的选择受到其 他主体选择的影响,并且其选择反过来会影响到其他主体的选择,这类的 的决策问题和均衡问题就是博弈论研究的对象。在这个意义上说,博弈论 也称为“对策论

提出可在稀疏角域以及多普勒域下对天线阵列信号向量进行接收和分析的方法,讨论在多普勒频域范围内的DOA估计问题,并在有效的频带范围内提取信号冲激响应较大的值.在稀疏DOA的恢复过程中采用的是L2,0估计算法,并在多路天线频谱感知的架构下充分利用DOA所固有的稀疏特性,对其进行稀疏恢复.对于在测试环境中不可避免的噪声问题,分析三种不同噪声分布下的DOA估计误差问题.仿真结果显示频域范围内的L2,0-DOA估计算法具有较低的计算复杂度和较高的准确度,并且算法对噪声不敏感,鲁棒性较高