简介：利用多元函数极值的定义和偏导数的定义公式证明二元函数与一元函数在某点取得极值的关系.

简介：介绍了函数奇偶性的定义和图像特征，分析了函数和与积的奇偶性变化，研究了复合函数的奇偶性特点等。函数是数学的研究对象，而函数的奇偶性是函数的四大特性之一。研究函数的奇偶性对解题和函数作图都很重要。

简介：由[a，b]上的勒贝格可测函数与几乎处处连续的函数几乎处处相等，给出勒贝格可测函数的等价定义及几个勒贝格可测函数的性质，提出一些关于勒贝格可测函数进入工科数学教学的设想。

简介：针对遗传算法（GA）在函数优化中存在的收敛速度慢、精度低等不足,提出将量子遗传算法（QGA）应用于多元函数的优化问题上。利用Matlab进行实例仿真,结果表明,量子遗传算法的性能要优于GA,QGA具有比GA更快的寻优速度和更高的精确度。

简介：针对无线传感器节点能耗不均的问题,研究了一种多特征组合加权的K一means聚类算法.改进了传统K一means算法中聚类中心随机选择的问题,并针对各维度特征对聚类影响的不同,赋予不同特征不同的权值.采用新的算法,并为其构建对应的算法性能衡量指标,与已有算法相比,新算法效果较好,能够明显提高数据聚类效果.

简介：介绍了一种基于相关函数理论的滤波器,并对该滤波系统进行仿真研究,仿真结果表明,该滤波器比传统滤波器具有明显的优点.

简介：目标函数中含有随机变量的线性规划的一般解法.

简介：对K-means算法加以改进,使用减法聚类确定聚类中心数量;以相距最远的两个样本作为聚类中心的边界,改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中,使其能够反映样本之间的关系和分布特征;初始中心确定后,使用点对称距离方法调整聚类中心。利用改进的K-means算法将历史日聚类分成4种天气类型,取相似日作为训练样本,对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验证,结果表明提出的的预测方法精度提高,实用性较强。

简介：分析差动变间隙式电容传感器的非线性因素，提出基于径向基函数神经网络的传感器非线性辨识的算法、方案与实现技术。对电容传感器进行实验，通过计算机仿真与应用，实现了实验过程和实验数据处理的智能化和简单化，能有效地辨识传感器的非线性，从而提高了测量的精度和速度。

简介：在已给q个定义于n维欧几里德空间的函数中求r个最大值函数和的最小值，其中1≤r≤q。该问题是非光滑最优化问题，不能直接用一阶最优化方法或梯度法求解。利用对偶理论将该问题转化为只包含最大值函数max{0，t}的非光滑问题。运用对数一指数光滑函数，对该非光滑问题建立具有全局收敛的光滑化算法。该算法的收敛率是线性的。

简介：