求解张量绝对值方程的非精确LM方法

通过引入互补函数将张量绝对值问题重新表述为张量互补问题.针对重构的张量互补问题，建立了自适应非精确LM算法，并证明了算法的收敛性.数值实验结果表明所提出的算法是有效的.     

求实对称张量Z-特征值的牛顿法

文章提出一个求解实对称张量Z-特征值及特征向量的牛顿法.该方法将张量Z-特征值问题转化为等价的非线性方程组,并用牛顿法求解.经过改进的方向具有下降性,从而保证算法的全局及二阶收敛性.数值实验结果表明,算法有效.     

一种计算张量的广义特征对的自适应位移梯度法

在自适应位移幂法的基础上,提出了一种计算张量广义特征对的自适应位移梯度法,给出了该算法的全局收敛性。自适应位移梯度法通过将当前迭代解与梯度方向的线性组合给出下一个迭代解,从而推广了自适应位移幂法。数值实例结果表明自适应位移梯度法能够应用于计算张量的广义特征对。2种方法的结果对比证明了自适应位移梯度法在一定程度上提高了自适应位移幂法的计算性能。     

广义张量特征值的包含域

张量特征值问题是张量代数理论研究的主要课题,在许多科学领域中都具有重要应用.通过进一步研究正则张量对{A,B}的特征值{α,β}的一些性质,给出了广义张量特征值的新的包含域,并证明了所得到的区域比已有结果中的区域更小.数值例子说明了结果的有效性.     

陀螺系统特征值问题的对称解法

建立了一种求妥陀螺系统特征值问题的对称解法，该处法将含陀螺矩阵的二阶广义特征值问题转化为由单一实对称矩阵定义的标准特征值问题，数值算例说明该算法是有效的。     

脉冲噪声下基于自适应特征值分解的时延估计新方法

依据分数低阶统计量理论和噪声特征,提出一种鲁棒性自适应特征值分解（RAED）时延估计方法,扩展了自适应特征值分解（AED）时延估方法的使用环境．该算法在脉冲噪声环境下,组合两个接收信号,使其共变矩阵最小特征值对应的特征向量为信道的估计,并基于广义归一化最小平均p范数（广义NLMP）方法自适应得到该特征向量,从而获得时延估计．计算机仿真表明该方法在脉冲噪声环境下具有较好的鲁棒性．     

关于实对称带状矩阵逆特征值问题的广义Lanczos算法

针对实对称带状矩阵的逆特征值问题,提出了一种新的能适应重特征值逆问题算法-广义Lanczos算法.它是在块Lanczos算法、拟Lanczos算法的基础上的进一步扩张,通过实际计算验证,该算法简单且数值稳定.     

张量广义特征值的新包含域

张量特征值问题在许多科学领域中都具有重要应用.通过进一步研究正则张量对{A,B}的特征值(α,β)的一些性质,给出张量广义特征值的新包含域,在理论上证明所得到的新包含区域比已有的结果更好,并用数值例子说明结果的有效性.     

求张量扩展特征值的幂法

针对与牛顿迭代相关的张量扩展特征值问题,在对已有张量特征值和幂法的研究基础上,提出了求解与牛顿迭代有关的张量扩展特征值和特征向量的幂法,分析了该幂法的收敛性。最后数值试验结果验证了该幂法的有效性。     

由特征值和顺序主子阵构造广义Jacobi矩阵的逆特征值问题

给定一组复数{λi}2ni=1和一个n×n阶广义Jacobi矩阵,构造了一个2n×2n阶广义Jacobi矩阵,使得其特征值为给定的这组复数,其n×n阶顺序主子阵为给定的广义Jacobi矩阵.得出了问题有解的充分必要条件,给出了一个求解该问题的算法.最后,把该算法应用于数值例子加以说明.     

求解张量绝对值方程的两步非精确Levenberg-Marquardt算法

张量绝对值方程可以重构为张量互补问题来求解。针对重构的张量互补问题，提出了两步非精确Levenberg-Marquardt (LM)算法，并给出了LM参数μk的一个新的选取方式，同时证明了所提出算法的收敛性定理。一些数值实例被测试，实验结果表明该算法是有效的。     

高阶张量协正性研究的最新进展

大数据时代,承载高阶高维信息的张量结构备受关注,从而引发了关于张量的理论、计算和应用的广泛研究.协正张量作为一种特殊的结构张量,也在材料物理及超图谱理论、多项式优化、张量互补与张量特征值互补等问题中凸显出不可或缺的作用.该文旨在对高阶协正张量数值判定、算法及应用的进展情况进行简单的梳理与总结,并希望对大规模高阶协正张量相关问题的未来发展提供可能的研究方向.     

非对称广义特征值问题并行处理的一些进展

广义特征值问题AX=λBX(A、B是N阶方矩阵）的并行处理是大规模科学与工程计算中的基础问题之一。迄今为止，国内外学对该问题的研究多集中于对称矩阵广义特征值问题的并行处理，并形成多种算法和相应软件。而非对称矩阵广义特征值问题并行处理的研究相对进行得较少。介绍作等人近几年来在非对称广义特征值问题并行处理方面的一些工作。它包括：QZ算法的并行化，并行拟－Eberlein算法及并行同伦数值方法等。     

基于求解非线性方程组的并行遗传算法的设计

作者将非线性方程组的数值求解问题转化为线性约束最优化问题,然后利用遗传算法求解该最优化问题。为防止遗传算法过早收敛,作者将遗传算法改进为自适应并行遗传算法.数值模拟实验表明,该文的算法从另一个角度为求解非线性方程组提供了一条比较有效的途径.     

解大型对称矩阵特征值问题的一个子空间加速截断牛顿法

基于非线性优化中的截断牛顿法提出了解大型稀疏对称矩阵特征值问题的一个子空间加速的截断牛顿法,证明了算法的收敛性并进行了数值试验,数值试验结果表明数值结果与理论分析相符,表明该算法是有效的。     

由部分特征值和顺序主子阵构造广义Jacobi矩阵的逆特征值问题

给定一组复数{λ_i}_(i=1)~(2N-2n)(N/2≤nN)和一个n阶广义Jacobi矩阵,构造了一个N阶广义Jacobi矩阵,使得这组给定的复数为其一部分特征值;给定的n阶广义Jacobi矩阵为其顺序主子阵,得出了问题有解的充分必要条件,给出了一个求解该问题的算法;最后把该算法应用于数值例子以说明其有效性.     

张量扩展特征值的带位移幂法和共轭梯度法

针对与牛顿迭代相关的张量扩展特征值问题,在幂法的基础上,提出了求解特征值与特征向量的带位移幂法和共轭梯度法。分析了这两种算法的收敛性,并通过数值试验初步验证了其有效性,同时对两种算法进行了比较。     

基于近似梯度算法的Fisher线性判别分析问题的求解研究

Fisher线性判别分析(FLDA,Fisher linear discriminant analysis)是一种经典的线性降维方法,可归结为广义特征值问题的求解,但广义特征值问题的求解的复杂度较高.为了更好地求解FLDA问题,引入了近似梯度下降(PGD,proximal gradient descent)算法,并分析了该算法的收敛性.实验结果表明,相较于求解广义特征值等方法,PGD算法能更高效地求解FLDA问题.     

基于次梯度投影的数字助听器自适应声源定位方法

该方法在特征值分解算法的基础之上,利用次梯度投影方法自适应估计声源到麦克风的脉冲响应系数,进而估计出各麦克风之间时延,并利用几何方法定位声源在3D空间的位置.与传统的基于广义互相关的时延估计算法相比,提出的算法在房间反射与共振的情况下定位精度更高;与基于NLMS算法的自适应特征值分解时延估计算法相比,提出的算法收敛速度更快,并且在强噪声的情况下鲁棒性更强.基于眼镜数字助听器声源定位系统的实验与仿真研究了麦克风阵不同的几何尺寸对算法性能和定位精度的影响,证明了在不同信噪比情况下该算法都能有效定位声源的3D空间位置.     

双反对称矩阵广义逆特征值问题

矩阵逆特征值问题广泛应用于自动控制、经济、振动理论以及土木工程等,讨论了双反对称矩阵广义逆特征值问题及其最佳逼近,得到了通解表达式和最佳逼近解,并给出了算法和数值实例.