一类具有Beddington-DeAngelis功能反应的离散竞争系统的概周期解

来源 :延边大学学报:自然科学版 | 被引量 : 0次 | 上传用户:lilei1984lilei
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对一类具有Beddington-DeAngelis功能反应的离散竞争系统,运用差分不等式和通过构造适当的Lyapunov函数,证明了该系统具有持久性和全局吸引性.利用差分概周期方程的壳理论,得到了保证该系统存在唯一的概周期解的充分条件.所得结果补充了文献[3]和文献[4]的工作.
其他文献
Despite the remarkable increase in food supply over the past halfcentury,global food security is facing unprecedented challenges as a result of a blooming human population,a shortage of arable land,and the significant threat posed by climate change(Bailey
利用迭代法和泛函不等式研究了一类Drygas泛函方程f(xyz)+f(xyz-1)=2f(x)+2f(y)+f(z)+f(-z)解的稳定性问题,并证明了该方程的解具有存在唯一性.
为考察修订后运动心像量表(EII)中文版的信度、效度,对1065名大学生进行测试,回收有效问卷820份,用以评定EII中文版的结构效度、内部一致信度、分半信度和测量等值性,并以体育行为倾向、一般自我效能感为效标,间隔3周后,随机选30名大学生进行重测.结果表明:EII中文版的外形-健康心境、运动技术、运动自我效能感和运动情绪4个维度的内部一致性信度为0.81~0.85,分半信度为0.78~0.84,重测信度为0.89~0.92;同时,4个维度与各校标之间显著相关;多组验证性因素分析结果显示,性别测量与年级
发育性协调障碍(Developmental Coordination Disorder,DCD)儿童研究是国际研究热点与发展前沿.文章以Web of Science(WOS)核心集数据库中所收录的所有年份1522篇相关文献为研究对象,利用CiteSpace软件进行可视化分析,结果表明:近30年来,DCD儿童领域的研究得到了快速的发展,研究机构主要分布于欧美的国家/地区,中心性最高的机构是荷兰的奈梅亨大学,高被引期刊为Developmental medicine and child neurology,截至
利用变分方法和反证法研究了一类含有非线性项的Kirchhoff-Carrier方程,证明了当0<λ<aλ1时,该方程至少存在一对非平凡解,且当λ≥aλ1时该方程不存在同号解.
为研制一款具有淡化色斑功效的中草药祛斑霜,采用DPPH法对人参、白术、白芍、白茯苓和甘草复配后的抗氧化效果进行了筛选,并通过酪氨酸酶实验对白术和白芍提取液复配的最佳抗氧化效果进行了测定.结果显示,当白术与白芍提取液的质量浓度均为80mg/mL,并以3:2的生药量比(体积比)进行复配时,其对酪氨酸酶的抑制率达到42.26%.对所制作的祛斑霜的感官、理化性质等进行检测显示,该祛斑霜符合中华人民共和国轻工行业标准(QB/T 2872—2017)中的相关标准,且具有良好的保湿功效.因此,本文所制作的中草药祛斑霜具
针对在时变系统中提出的广义Riccati矩阵方程约束解问题,基于共轭梯度算法原理建立了两种求广义Riccati矩阵方程异类约束解(对称和反对称解)的算法,即非精确牛顿修正共轭梯度算法(In-Newton-MCG算法)和非精确牛顿正交投影算法(In-Newton-OPA算法),并给出了两种算法收敛性结论和两种算法的数值实验.算例表明,In-Newton-MCG算法在一定条件下比In-Newton-OPA算法具有更高的计算效率.
The time-dependent solution of a kind of supply chain system with the multi-suppliers and single demander is investigated in this paper.By choosing state space
利用格林函数的性质和锥上不动点定理讨论了一类Hadamard型分数阶微分方程(非线性项包含分数阶导数和一个减算子)的正解,得到了该分数阶微分方程正解的存在唯一性.
为提高处理文本相似度的效果,提出了一种基于相对熵度量文本差异的KNN算法.该算法首先对文本进行预处理(分字与删去停用字)和构建特征字字典;然后计算训练集中所有文本特征字的概率,并组成训练集(特征字概率矩阵);最后计算预测文本的特征字概率向量,并通过计算和统计K个预测文本与训练集文本间相对熵最小的文本类别个数后将数目最多的类别作为测试样本的类别.实验结果表明,该算法的分类效果不仅显著优于传统KNN、SVM、Decision Tree、朴素Bayes算法的分类效果,且在小样本数据情况下还明显优于RNN算法.