向量值函数McShane积分的收敛定理

实值函数的ＭｃＳｈａｎｅ积分是一种Ｒｉｅｍａｎｎ型绝对积分,它等价于Ｌｅｂｅｓｑｕｅ积分,向量值函数的ＭｃＳｈａｎｅ积分是实值函数ＭｃＳｈａｎｅ积分在Ｂａｎａｃｈ空间中的推广,它与实函数ＭｃＳｈａｎｅ积分有较大的差别,讨论了向量值函数ＭｃＳｈａｎｅ积分的收敛性问题,证明了一致收敛定理,平均收敛定理,特别地,当Ｘ＾＊的单位球＊弱列紧时,控制收敛定理也成立。     

一种加白化预滤波的回波抵消算法

研究了话音通信中的回波抵消问题，尤其是传统ＬＭＳ算法的收敛性问题。提出了一种加白化预滤波的块修正ＬＭＳ自适应抵消算法（ＷＢＬＭＳ）。计算机模拟结果表明，ＷＢＬＭＳ算法的收敛性明显优于传统的ＬＭＳ算法，增加的运算量也极少。     

MUSICAM算法仿真及DSP实现

介绍了ＭＰＥＧ声音压缩编码采用ＭＵＳＩＣＡＭ算法的计算机仿真过程及用定点ＤＳＰ实现这种算法的结果，并给出编解码器各子功能块所占运算量和存储器容量。     

一种改进的SIMPLE算法

本文对传统的ＳＩＭＰＬＥ算法进行了改进，提出了一种新的协调型计算方法，并通过两个具体算例的计算与ＳＩＭＰＬＥ算法和ＳＩＭＰＬＥＣ算法进行了比较。结果表明，本算法有更好的收敛性。     

水/Span85-Tween60/环己烷微乳液及纳米复合微粒制备

以紫外／可见光分光光度计为检测手段,研究确定了水／Ｓｐａｎ８５－Ｔｗｅｅｎ６０／环己烷反相微乳液体系的适宜条件如乳化剂含量、ＨＬＢ值和溶水量值;进而在其中进行丙烯酰胺（ＡＭ）聚合反应和ＡｇＣ１、ＺｎＳ沉淀反应,制备了ＡｇＣ１／ＰＡＭ、ＺｎＳ／ＰＡＭ纳米复合微粒,并采用航向电镜（ＴＥＭ）观察了给米微粒的形貌。     

结构振动主动控制中多误差LMS算法的改进

本文对自适应滤波器的修正的时域正交性算法用多误差的场合进行了探讨,与ＬＭＳ算法的收敛性比较,表明了该修正算法的优越性,最后采用该算法进行了振动主动控制的计算机模拟。     

连续输入的SOM算法的权值收敛性

研究了自组织映射（SOM）算法的权值收敛性问题，提出了一个连续状态下的目标函数，由这个目标函数出发利用Robbins-Monro算法证明了连续状态下的自组织映射的权值将收敛到一个稳定值，其结果适应于任意有限维的情形。     

自适应滤波器的变换域LMS快速实现算法

本文提出了一种自适应滤波器的变换域ＬＭＳ快速实现算法，井给出了实现这种自适应滤波器的双层线性结构。较之传统的时域ＬＭＳ算法它具有更好的收敛性，并且可以抑制计算误差的积累，因而特别适合于用低低成本实现。此外，还给出了计算机模拟的结果。     

RESIMPLER算法介绍及应用

针对ＳＩＭＰＬＥ系列算法的不足，提出了一种改进的计算方法－ＲＥＳＩＭＰＬＥＲ算法。将其应用于层流和湍流流动数值模拟，得到了满意的计算结果。与同类算法比较，所介绍的算法具有工作量小、收敛性好的优点。     

一个改进的拟可行内点法

使用拟可行内点法研究一般的光滑约束最优化问题. 在算法中改进了拟可行内点法中的值函数, 使用指数形式的更一般函数, 用此值函数证明了可行性问题的一阶最优性点的存在性, 并通过对内部算法及外部算法的讨论得到了算法的收敛性定理. 算例结果表明, 指数的变化对迭代次数、 拉格朗日乘子的取值及初值的选取都有较大影响, 通过合适的取值可使算法具有更好的收敛性.     

一类机械臂指数加速迭代学习控制方法

针对机械臂系统外部干扰的轨迹跟踪问题,提出一种无需重置初始条件的加速迭代学习控制方法。利用指数变增益加速学习控制律,结合迭代学习控制算法,无需重置机械臂每次运行时初始条件,历经多次迭代后,实现对期望轨迹的实时跟踪。并在 范数意义下,证明了无需重置条件的比例微分（Proportion differentiation, PD）型加速迭代学习控制算法的收敛性。基于二自由度（Two Degrees of Freedom, 2-DOFs）仿真实验结果验证了该方法的可行性和有效性。同时在Quanser机电一体化运动控制实验平台上完成了实验验证,表明该算法的实用性。     

三次B样条有限元法

由于B样条具有紧凑性及良好的光滑性、明确的表达式等优点,所以用B样条求解微分方程时容易进行系数矩阵的计算,从而提高计算效率。本文利用以上优点构造了三次B样条基函数,并用有限元的思想,求解两点边值问题,通过数值实验计算出:在半H1范数下,三次B样条有限元法具有3阶收敛精度;在L2范数下,三次B样条有限元法具有4阶收敛精度,说明三次B样条有限元法具有最佳L2收敛阶。     

基于聚合度热点适应机制的网络舆情 大数据收敛算法

为解决当前网络舆情大数据收敛算法普遍存在的收敛困难及热点聚类生成速度较低等难题,提出了一种基于聚合度热点适应机制的网络舆情大数据收敛算法。首先,通过增量用户节点与存量热点之间的信息交互关系,设计了一种基于聚合度初始化机制的数据收敛方案,采用匹配机制逐个对存量热点与增量用户节点间差异度及聚合度进行比对,能够将增量用户节点纳入性能最佳的存量热点所形成的种子聚类,提高聚类形成速度。随后,针对热点数量处于密集状态等极端情况,特别是用户特征匹配过程中难以实现快速匹配等不足,设计迭代方式,以逐步消除种子聚类差异度,提升大数据匹配性能,改善用户节点与热点之间信息交互质量。仿真实验表明:与当前常用的时间片累积挖掘收敛方案(Convergence Scheme for Time Slice Cumulative Mining,TSCM算法)及热点度显影收敛方案(Convergence Scheme of Hotspot Degree Development,HDD算法)相比,本文算法具有更高的收敛速度和聚类形成质量。     

谷幅收缩对高拱坝变形及应力状态的影响分析

溪洛渡拱坝蓄水初期出现了较为明显的谷幅收缩现象,且量值远超同类工程,有必要开展谷幅收缩变形对拱坝变形及应力状态的影响研究。针对坝体已经历的三次完整蓄水-消落过程,对各条测线谷幅变形进行函数拟合,在此基础上,计算了各个蓄水-消落周期下,正常蓄水、死水位工况下坝体变位和坝体应力,对比分析了考虑谷幅收缩变形对大坝位移、应力及分布规律的影响。结果表明,正常蓄水工况下,在变形方面,一定幅度的谷幅变形引起坝体向上游变形趋势,可以部分抵消水沙压力造成的坝体向下游变形作用,使大坝变形减小;在应力方面,一定幅度的谷幅收缩会大大降低上游坝面坝踵拉应力和下游面坝体压应力,改善大坝受力状态。死水位时,随着谷幅收缩的加大,上游面主压应力持续增加,下游坝面主压应力先减小后增大,并在下游面将产生一定拉应力。研究表明,当前谷幅变形作用下,大坝具有较大的安全裕度。在预测极限谷幅状态下(VDL04测线谷幅收缩70.04 mm),溪洛渡高拱坝应力应变处于安全状态。     

一种新的可变步长LMS算法研究

在分析基本最小均方误差算法(LMS)和归一化最小均方误差算法(NLMS)的基础上,提出了一种新的可变步长LMS算法(NVLMS)和它的改进算法(MNVLMS).仿真结果显示,NVLMS算法对于平稳过程中的滤波器,能获得较快的收敛速度和较小的稳态误差.在非平稳环境下,MNVLMS算法在减少算法复杂度的情况下能获得和NLMS算法一样的收敛速度和稳态误差.     

求解时间相关Brinkman方程弱有限元方法的误差估计

采用弱有限元方法求解时间相关Brinkman方程.通过仅对空间离散的半离散格式,及对时间和空间均离散的全离散格式分别构造相应的误差方程进行误差分析,得到了速度函数在H1和L2范数,压力函数在H1范数下的最优阶误差估计,从而使弱有限元方法应用更广泛.     

基于拓扑区域一体化成型映射机制的物联网快速收敛算法

为解决物联网快速收敛算法存在的收敛性能较差、网络稳定时间较短的不足,提出了基于拓扑区域一体化成型映射机制的物联网快速收敛算法。首先,根据物联网节点分布具有的随机分布特性及泊松分布特性,通过聚类方式来构建聚合度-权重值裁决模型,以实现路由的稳定收敛,消除因簇头节点失效而导致的区域上传缓慢的现象;随后,采用退避机制来提升簇头节点的传输性能,有效降低因能量受限而导致的网络传输缓慢的现象,优化路由收敛性能,降低因路由抖动而导致的网络瘫痪概率。仿真实验结果表明:与常见的时间度一体化物联网收敛算法(Convergence Algorithm for Time-Integrated Internet of Things,TI-IOT算法)、路由集中度快速收敛算法(A Fast Convergence Algorithm for Routing Concentration Degree,RCD算法)相比,所提算法具有更高的网络稳定工作时间及较快的收敛速度,以及更小的路由冗余度。     

多目标非光滑半无限规划极大熵方法及收敛性

用极大熵方法来逼近目标非光滑半无限规划,并利用熵函数序列的一些收敛性质（v-收敛性,即variational convergence),在一般意义下给出该逼近方法的收敛性。     

样本依赖型最小平方回归学习算法的收敛速度

目的研究基于样本依赖型的范数正则化学习算法的收敛性分析。方法概率论与数理统计的方法。结果给出了一种用K-泛函表示的收敛速度。结论文中的研究表明,样本依赖型学习算法与通常的核学习算法具有相同的收敛速度。     

两台机在线均衡调度算法的改进

研究两台平行同型机的在线均衡调度问题，利用两个不同的部分信息分别设计出两个算法，这两个算法比可能有的最好的在线算法在性能上都要好。同时还证明，就这两个部分信息来说，给出的算法是可能有的最好的算法。