利用矩阵的奇异值分解及广义逆 ,给出了子矩阵约束下矩阵方程 AX=B反问题有实反对称解的充分必要条件及其通解的表达式 .另外 ,给出了解集合中与给定矩阵的最佳逼近解的表达式以及求解最佳逼近解的一个数值算法和一个数值例子

为提高弱智儿童表象清晰度和表象记忆能力,对北京地区48名弱智 被试进行的表象训练实验研究结果表明:被试整体训练后的清晰度和记忆成 绩均高于训练前的成绩,且差异显著;轻度与中度被试的清晰度成绩差异显 著;重度被试的记忆训练成绩均高于中度和轻度被试,且差异显著;高清晰组 的记忆成绩训练前后差异显著,低清晰组则不显著;说明表象训练技术对提 高弱智儿童的表象清晰度和记忆力是有效的,清晰度越高,对记忆提高的帮 助越大。在教学中,应加强和应用此项技术,提高认知能力,开发其潜能。

美国人口统计学家内森·凯菲茨(Nathan Keyfitz)首先提出用矩阵乘法预测人口。这种方法概括说来就是:把现有的分年龄分性别人口数处理成列矩阵K,分年龄分性别的存活率与修改后的生育率构成方阵M,M·K的乘积所产生的列矩阵,就是按预测初始年人口年龄分组的组距所确定的第一个预测周期末的人口。如果假定婴儿出生性比重,分年龄分性别人口存活率和妇女分年龄生育率在整个预测期内(若干预测周期)不发生变化,那么M的各次幂乘以K就得到各相继预测周期末的分年龄分性别人口数。

本文对投入产出(IO)表和社会核算矩阵(SAM)更新方法进行了归类和比较评述。主要观点:第一,已有的IO表或SAM更新方法主要分为统计学方法、优化法和宏观经济学分析方法;第二,以现代经济学为基础的更新技术应引起高度重视;第三,在非普查年份,统计部门应制度化地开展重点IO系数调查,并将相关数据及时公开化;第四,在实际操作中应正确认识更新中已知信息的地位,并注意更新中的保号性问题。

本文首先总结了价值型Leontief逆矩阵、Ghosh逆矩阵和实物型Leontief逆矩阵的性质,回顾了这些性质在产出调整分析和价格调整分析中的一些应用,然后研究了这些性质在产出调整分析中关于投入乘数方面,以及在价格调整分析中关于产出乘数方面进一步的应用,结论是如果只有部门i的实物型最终产出增加(减少)而其余部门的不变,那么部门i的投入乘数一定不增加(不减少),而且至少存在一个部门i_0(i_0≠i)的投入乘数一定不减少(不增加);对偶地,如果只有部门j的增加值上升(下降)而其余部门的不变,那么部门j的产出乘数一定不增加(不减少),而且至少存在一个部门j_0(j_0≠j)的产出乘数一定不减少(不增加)。

社会核算矩阵的扩展有极大的灵活性,在数据可得的前提下,账户可以根据需要细化或新增,可用于多国、宏观、地区和微观层面,也可以通过编制多个时间的社会核算矩阵进行比较静态分析,还可以和其他一般均衡分析方法和计量分析方法结合起来研究特定的经济问题。

【目的】提出一种基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法,根据缺陷部分与正常部分纹理特征不同,利用分层聚类算法将缺陷分离出来,以解决板面缺陷检测系统中刨花板表面纹理导致缺陷提取不准确的问题。【方法】将刨花板表面灰度图像划分成若干个窗口,使用灰度共生矩阵的统计特征参数对各窗口纹理进行表征,通过分层聚类算法将纹理特征不同区域区分开。首先确定灰度共生矩阵构造因子的取值,包括窗口大小、灰度级、方向和步长,构建出各个窗口的灰度共生矩阵;使用Fisher准则和线性相关性对灰度共生矩阵14个统计特征参数的表征能力进行度量,选取出分类能力强且相关性低的特征构成特征向量,所有窗口的特征向量构成样本集。然后运用BIRCH分层聚类算法对样本集进行聚类,为使聚类结果更准确,同时加快计算速度,提出一种优化策略,绘制样本集均值和统计直方图,将其波峰数量作为理想的类别数量,当聚类产生的类别数量大于理想类别数量时,将聚类结果中距离近的簇合并,解决聚类精度过高而导致的过分割问题。最后根据聚类结果,对原图像中各窗口进行标记,提取出缺陷区域。【结果】选择大小为512像素×512像素,带有杂物、油污、胶斑、大刨花和松软5种类型缺陷的刨花板表面图像,使用本研究方法能够准确将缺陷区域提取出来,精确度达92.2%,召回率达91.8%。【结论】基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法,可解决因刨花板表面纹理导致缺陷提取不准确的问题,为机器视觉板面缺陷检测系统的缺陷度量和识别提供良好支撑。