简介：有关导数在函数中的应用的主要类型有：判断函数的单调性，求函数的极值和最值，利用函数的单调性证明不等式，求参数的范围，还有前面几种类型的综合及与解析几何等综合题．这些类型成为“新课标”下高考的重点．欲较好地学习和掌握本节内容，应借助于导数的意义（几何意义、物理意义、实际意义等）深刻领会在利用导数探究函数的单凋性、极值（与最值）这一过程中的原理．

简介：

简介：销售性企业如何才能降低销售时的综合成本是一个值得研究的问题．以排队论为基础对这一问题展开讨论，分析了顾客到达企业时的排队方式，得出了单队多服务通道要比多队多服务通道排队方式要优；分析了系统的服务规则及评价指标，并建立了一个输入率可变、服务率可变且先到先服务的、有不耐烦顾客的销售模型，以及一个输入率可变、服务率可变且有非强占优先权的销售模型，分别得出了系统的平均服务率及顾客在系统中的平均等待时间，从而建立了企业销售时的综合成本函数，并结合实例给出了求综合成本函数最小值的方法．

简介：定义在正整数集合上的复值函数称为算术函数，本文讨论算术函数的两种多元扩张及其对GCD函数矩阵与LCM函数矩阵的应用。

简介：对一般的Bernouli不等式满足的条件作了一个新的限定，利用二项式定理和等卜匕数列的性质并采用分类讨论的思想证明了一个新的Bernouli不等式，由此不等式证明了经济学中的等额本金还款法和等额本息还款法的差异，并利用数值计算实验验证了此差异，从而由此结论给出了针对不同人群的还贷策略．

简介：<正>近十几年,在各地中考试题中出现了函数与几何的综合题,这类题体现了函数几何的相互联系,既考查了学生综合运用函数与几何知识解决问题的能力,又

简介：将着眼点由总收益改变为总利润,对于需求弹性用于价格决策,利用微积分方法,分5种情况进行推导,得到的结论修正和补充了现行“经济数学”、“市场营销学”和“管理经济学”等教科书里讲的内容,并在此基础上进一步研究了最佳调价量问题.

简介：

简介：设=2N，一实值函数μ：→[0，1]称为统计测度．如果若A，B∈，A∩B=φ，则μ（A∪B）=μ（A）＋μ（B）且μ（k）=0．本文得到了统计测度的表示定理及统计测度在概率空间的应用．

简介：向量集数、形于一身，在平面向量的问题中，经常会遇到向量的模的问题，我们可以通过构造向量并运用模来处理一些有一定几何背景的代数问题．本文就谈一谈如何应用向量的几何意义来解题．

简介：应用SAS／STAT估计非线性回归模型中的参数．首先，通过变量代换，把可以线性化的非线性回归模型化为线性回归模型，并用普通最小二乘法、主成分分析法和偏最小二乘法求模型中的参数和回归模型．其次，通过改良的高斯一牛顿迭代法来估计Logistic模型和Compertz模型中的参数．

简介：在高等数学中，等价无穷小量有一个重要性质，即性质１设ｌｉｍｘ→ｘ０α＝０，ｌｉｍｘ→ｘ０β＝０，且α～α１，β～β１，ｌｉｍｘ→ｘ０α１β１存在，则ｌｉｍｘ→ｘ０αβ＝ｌｉｍｘ→ｘ０α１β１．利用这一性质可通过等价无穷小量替换法求００型未定式的极限．...

简介：本文证明了π-逆半群在其满幂π-正则子半群上的局部化在同构意义下存在唯一，且为其最大群同态象。由此可得π-逆半群的最小群同余。

简介：本文给出了3×3分块矩阵的一个正定性判定准则，应用这个准则，给出了矩阵方程（A^TXB,BT^B)=(C,D)有正定解的充分条件及解的通式。

简介：

简介：用染色方法,借助于TurboC程序,较为方便地测得平板上空洞的分布及形状.

简介：<正>列方程解应用题体现了一种重要的数学思想和方法,是历年来中考的必考内容·因此,同学们一定要学好它,熟练掌握它的解题步骤,也就是:1、认真审题,理解题意·主要是弄清题目中的数量关系,已知数和未知数(包含题目中的要求求出的未知数);2、设元·用1个(或2个)字母表示某个(或2,3个)未知数,并用元的代数式表示其余的未知数·3、寻找等量关系,列出方程或方程组·4、解方程或方程组,求出未知数的值·间接设元

简介：

简介：稀疏表示是近年来新兴的一种数据表示方法,是对人类大脑皮层编码机制的模拟。稀疏表示以其良好的鲁棒性、抗干扰能力、可解释性和判别性等优势,广泛应用于模式识别领域。基于稀疏表示的分类器在人脸识别领域取得了令人惊喜的成就,它将训练样本看成字典,寻求测试样本在字典下的最稀疏的表示,即用尽可能少的训练样本的线性组合来重构测试样本。但是经典的基于稀疏表示的分类器没有考虑训练样本的类别信息,以致被选中的训练样本来自许多类,不利于分类,因此基于组稀疏的分类器被提出。组稀疏方法考虑了训练样本的类别相似性,其目的是用尽可能少类别的训练样本来表示测试样本,然而这类方法的缺点是同类的训练样本或者同时被选中或者同时被丢弃。在实际中,人脸受到光照、表情、姿势甚至遮挡等因素的影响,样本之间关系比较复杂,因此最后介绍局部加权组结构稀疏表示方法。该方法尽量用来自于与测试样本相似的类的训练样本和来自测试样本邻域的训练样本来表示测试样本,以减轻不相关类的干扰,并使得表示更稀疏和更具判别性。

简介：~~