环的既约理想和既约分解

引进了环的既约理想的概念，研究了既约理想的性质并得出了理想分解的两个结论：1．环的任一理想均可分解为一些(有限或无限)的既约理想的交.2．Ardn环或Noether环的任意理想均可分解为有限个既约理想的交．     

欧氏环Z[√—1]中的既约元

利用确定Gauss整数环Z[√-1]中既约元的方法,确定了欧氏环Z[√-2]中的全部既约元,进而确定了Z[√-2]中的全部极大理想。     

关于方阵的约当标准形的变换矩阵的计算

讨论了既约不变子空间,在复数域上有限维线性空间可分解成线性变换的不变子空间的直和及每个复方阵都可以相似一个约当标准形矩阵的基础上,得出复方阵的约当标准形的变换矩阵的具体计算方法。     

欧氏环Z[(-2)~(1/2)]中的既约元

利用确定Gauss整数环Z[(-1)~(1/2)]中既约元的方法,确定了欧氏环Z[(-2)~(1/2)]中的全部既约元,进而确定了 Z[(-2)~(1/2)]中的全部极大理想。     

有限个不全为零的既约分数的一个性质

给出了有限个不全为零的既约分数的一个性质,及其在研究有理系数多项式方面的一个应用。     

DQrC一环

W.Burgess 等人在文[1]中引进了 DQC-环的定义并给出 DQC-环为亚直不可约的刻划,本文引进了 DQrC-环的定义。给出了 DQrC-环的 Kthe 根等于它的所有质理想的交;右 Noether DQrC-环的每—个理想皆可分解为有限个不可缩短的右准质理想交。     

τ—扭子系的既约分解

本文对S-系引进了τ-既约分解的概念,并给出了某些子系的τ-既约分解的存在性与唯一性。     

Banach空间上的赋范fuzzy蕴含代数及其既约集合套

本文运用泛函分析的方法和技巧考虑数理逻辑问题,在前赋范fuzzy蕴含代数的基础上给出Banach空间上的赋范fuzzy蕴含代数,并给出了BNFI代数的既约集合套。     

二次规划问题的既约积极集方法

讨论了一种新的求解二次规划问题的方法,即既约积极集方法。其主要思想是先用消元法消去二次规划问题中的等式约束,使其等价地化为只含不等式约束的二次规划问题,然后再用积极集方法求解。通过数值实例证明了该方法的有效性。     

中心正规扩张

本文讨论了环R与它的中心正规扩张S之间的关系,得到如下结论:1)S是素环时,R亦为素环;2)M为S-既约模时,存在R的既约模M_0,使得(0:M_0)_R=(0:M)_2nR。利用这些得到了群代数,任意有1的环R上的四元数代数H(R)的一些性质。     

用降维卡诺图化简逻辑函数

本文讨论了降维卡诺图的形成及其对多变量逻辑函数的化简。     

音变规则指导对听力理解作用的文献综述

听力理解通常是人们认为最难的语言技能之一,二语习得者在面对本族语者日常交流时常常遇到冲击,一是语速障碍,二是切分音段障碍。为了探究出现两种障碍的原因,研究者近年来对听力理解进行了更深刻的研究,取得了一定的进展,主要集中在真实语料及其所包含的大量“音变规则”以及音变规则指导对听力理解的影响。     

特征多项式的降阶定理及应用

研究特征多项式的降阶定理以及它在高阶矩阵方面的应用。     

Aluthge变换的Kato谱与约化点谱

设T为复可分的希尔伯特空间H上的有界线性算子,T-U｜T｜是它的极分解,则T,^T：｜T｜^1/2U｜T｜^1/2与^T^（＊）=｜T＊｜^1/2U｜T＊｜^1/2具有相同的非零Kato谱,而^T和^T（＊）具有相同约化点谱．     

弱化元音:英语听力中的难点透视

英语属于自由重音语言,重读音节配之于饱满元音,轻读音节辅之于弱化元音是平衡、和谐的语音格局.重音移位必然会破坏原有的音系结构,导致元音配置失衡,因而极有可能发生或显或隐的动态变化.把握这一基本理论无疑会帮助中国学习者提高英语听说能力.     

英汉语形容词名词化：从事物到其特征认知域的缩小显影

在认知语法框架内对形容词名词化这一问题考察发现,形容词名词化的本质在于其基底-侧面之间的转换以及显影的缩小,即凸显的部分发生了变化。基于真实语料的考察表明,英汉语中都有大量的特征形容词用来代替整个名词词组的情况,而与词类问题关系不大。     

运输规划问题退化解产生的原因及求解策略

退化解的产生是运输规划问题中的一个常见现象,它明显表现为初始可行基或基变量的数目小于m+n-1,这对它后面的迭代造成了困难,针对这一现象根据基变量的数目为m+n-1的理论,通过用添加“0”的方法来保证基变量的数目,从而使解的退化问题正常化,解决了运输规划问题的求解问题。     

基于波束域LC-GSC的降秩波束形成算法

针对传统GSC算法在处理大型阵列天线时,所需运算量大、工程上难以应用等问题,提出一种基于波束域LC-GSC的降秩波束形成算法。与传统GSC算法相比,它能够在期望信号和特定干扰方向上形成约束响应,利用构造的转换矩阵将信号变换到波束域,并能够降低计算量,加快自适应收敛速度。根据信号特征值大于噪声特征值,可以得到波束域协方差矩阵逆的高次幂基本等价于信号子空间,信号子空间的求取也方便构造阻塞矩阵。降秩矩阵可以利用GSC下支路的快拍数构造,进一步降低运算量。最终根据算法得到自适应权矢量,为了使系统有更好的信噪比稳健性,可以将权矢量向信号子空间投影。通过对GSC算法进行分析并改进,给出算法在FPGA上的实现方案。实验仿真表明,该算法能够在期望信号方向准确形成主瓣,干扰方向准确形成零陷且副瓣电平降低5~10dB。基于波束域LC-GSC的降秩波束形成算法有很好的波束形成性能,算法稳健性较好。     

Optimization of a Reduced Chemical Kinetic Model for HCCI Engine Simulations by Micro-Genetic Algorithm

A reduced chemical kinetic model （44 species and 72 reactions） for the homogeneous charge compression ignition （HCCI） combustion of n-heptane was optimized to improve its autoignition predictions under different engine operating conditions. The seven kinetic parameters of the optimized model were determined by using the combination of a micro-genetic algorithm optimization methodology and the SENKIN program of CHEMKIN chemical kinetics software package. The optimization was performed within the range of equivalence ratios 0.2-1.2, initial temperature 310- 375 K and initial pressure 0, 1-0.3 MPa, The engine simulations show that the optimized model agrees better with the detailed chemical kinetic model （544 species and 2 446 reactions） than the original model does.     

Reduced Expanding Load Method for Simulation-Based Structural System Reliability Analysis

The current situation and difficulties of the structural system reliability analysis are mentioned. Then on the basis of Monte Carlo method and computer simulation, a new analysis method reduced expanding load method (RELM) is presented, which can be used to solve structural reliability problems effectively and conveniently. In this method, the uncertainties of loads, structural material properties and dimensions can be fully considered. If the statistic parameters of stochastic variables are known, by using this method, the probability of failure can be estimated rather accurately. In contrast with traditional approaebes,RELM method gives a much better understanding of structural failure frequency and its reliability index β is more meaningful. To illustrate this new idea, a specific example is given.