几类特殊的谱任意和惯量任意符号模式矩阵

利用矩阵理论和组合论的方法对一些特殊类型的符号模式的惯量和谱进行了研究.找到了一类谱任意的零-非零符号模式矩阵,同时也是惯量任意的符号模式矩阵,证明了Hessenberg型矩阵对应的符号模式矩阵是极小惯量任意符号模式矩阵;给出一类由低阶矩阵通过直和构造而成的几乎完全惯量任意符号模式矩阵;通过对形如"S"的特殊符号模式矩阵的分析,利用矩阵分解的性质得到了谱任意符号模式矩阵的一个必要条件.     

二重积分换元公式的一种简便推导方法

为简化二重积分换元公式的推导,利用定积分的换元法及二重积分的有关知识,提出了一种简便的推导方法.     

一类新的极小惯量任意符号模式矩阵

如果一个惯量任意符号模式的任意非零元被零取代后所得到的符号模式不是惯量任意的,那么这个惯量任意符号模式称为极小惯量任意符号模式.作者利用有固定惯量矩阵的特征多项式系数的一些性质对一类低价的惯量任意模式的极小性进行了讨论,并证明该模式是极小惯量任意符号模式.     

一类矩阵中负元素的个数

元素全是非正实数的矩阵A称为负矩阵.文中利用低阶负矩阵的研究结果考虑了一类四阶负矩阵中负元素的个数,同时论证了该矩阵在一些附加条件下负元素的个数最多为10.     

基于元胞自动机的字符图像平滑

建立了字符平滑的元胞自动机模型,用于处理字符图像中常见的黑白噪声,通过分析元胞自动机的局部转换函数,编写了相应的演化规则和算法,最后利用MATLAB编程分别对不同的含黑白噪声图像进行了处理,平滑效果良好,并与传统中值滤波方法进行比较,说明将元胞自动机用于字符图像平滑是一种非常有效的方法,同时元胞自动机适合并行计算,该方法也为图像处理的VLSI电路实现提供了一种新的途径.     

关于反对称符号模式的若干性质

设A是n阶反对称符号模式.利用矩阵理论和组合论的方法刻化了Ak的惯量,给出了符号模式A惯量的若干性质,最后给出了符号模式矩阵A蕴含正交的一个充分必要条件.     

二重积分换元公式的一种简便推导方法

为简化二重积分换元公式的推导，利用定积分的换元法及二重积分的有关知识，提出了一种简便的推导方法．     

蕴含正交矩阵的符号模式

给出蕴含正交矩阵的符号模式的一种构造方法,并证明了一类给定符号模式蕴含正交矩阵,最后对蕴含正交矩阵的符号模式中零元的个数进行了研究.     

一类极小惯量任意符号模式矩阵

若每个首项系数为1的n阶实系数多项式,其中XN-2的系数为正的多项式是Q(ψ)一些矩阵的特征多项式,那么ψ就是惯量任意的.如果一个惯量任意符号模式的任意非零元被零取代后所得到的符号模式不是惯量任意的,那么这个惯量任意符号模式称为极小惯量任意符号模式.文献[1]中In-Jackim,D.D.Olesky等人已经证明一族新的不可约的符号模式ψ2k+1(k≥2)是惯量任意的,并且证明了ψ5和ψ7是极小惯量任意符号模式,利用有固定惯量的矩阵的特征多项式的系数的一些性质将对ψ9的极小性进行讨论,并证明ψ9是极小惯量任意符号模式.     

基于联合训练的分类器的乳腺癌图像分类

利用机器学习的乳腺癌组织病理图像诊断节省了大量的人力物力，因此提高乳腺癌组织病理图像识别准确率有很好的现实意义。针对单一分类器和集成学习分类器模型观测域有限容易陷入局部最优的问题，提出一种基于联合训练的分类器模型。通过单一分类器相互影响扩大观测感知域来寻找损失最小的估计点，根据估计点来迭代优化超参数进而联合训练出拟合性能最好的分类器，这样既汲取不同分类器模型的可取之处来增强泛化能力，又加大了模型观测域在可以更快的得到全局最优的同时提升了识别准确率。实验表明，提出的联合训练的分类器能够提升乳腺癌组织病理学图像的分类性能，在不同放大倍数40×、100×、200×、400×下图像良恶性分类准确率分别为99.67%、98.08%、99.01%、96.34%。