学科分类
/ 1
8 个结果
  • 简介:判断级数的敛散性有多种方法,其中最基本的是比较判别法。本文引入相关阶的概念,利用数学分析中的阶的估计方法及其应用,对级数∑n=1^∞an的通项中分子un与分母vn的阶进行比较。讨论一种快捷判别级数敛散性的方法。

  • 标签: 级数 敛散性 比较判别法 数学定义 比值
  • 简介:正项级数敛散性判别是整个级数内容的基础与重点,达朗贝尔与柯西判别法是判别正项级数收敛的较有效的方法,但条件限制较严。本文利用极限存在的一个充要条件导出的一种判别法,使用范围更宽,而且还可用于求幂级数的收敛半径,使用也较方便。

  • 标签: 正项级数 收敛
  • 简介:利用正项级数的比较判别法这个源头,通过不同的后台级数尝试着揭示许多判别法的发现过程,从中发现了一种普遍的方法和规律,即利用标准级数的适当组合及其参数判别敛散性,再用一般级数代替加以验证,并将这种规律进行拓展与创新获得2种新的判别法,即若正项级数∑n=1^∞un,有limn→∞lnn/lnlnn[n/lnn(n√1/um-1))]=plimn→∞n/lnn(n√1/un-1)=p.当p〉1时,∑n=1^∞un收敛,当P〈1时,∑n=1^∞um发散。

  • 标签: 正项级数 收敛 发散
  • 简介:人脸识别是计算机视觉和模式识别领域的一个活跃课题,有着十分广泛的应用前景。给出了一种基于PCA和LDA方法的人脸识别系统的实现。首先该算法采用奇异值分解技术提取主成分,然后用Fisher线性判别分析技术来提取最终特征,最后将测试图像的投影与每一训练图像的投影相比较,与测试图像最接近的训练图像被系统识别出,图像的比较采用了欧几里德距离,仿真结果表明了该方法的有效性。

  • 标签: 人脸识别 主成分分析 奇异值分解 FISHER线性判别分析
  • 简介:为解释本体中概念不满足的原因,利用2个对等转换(即公理细化和本体约减)与3个判别规则识别不满足概念C的最小不一致知识子集(MUPS).其中,判别规则基于不满足概念的传递性,将MUPS分为3类:完全依赖于C(MUPSf)、传递依赖于C(MUPSt)和不确定依赖于C(MUPSu).实验结果表明:在本体不满足概念的MUPS中,MUPSt往往占大多数,但只有MUPSf可以明确指出概念不满足的根本原因.本体建模人员和领域专家可以采用迭代修复方式,每一次修复只考虑MUPSf,以提高修复效率.所得分类结果对于从修复角度评价本体质量以及指导修复工作都具有重要意义.

  • 标签: 本体调试 最小不一致知识子集 判别规则