一种求解单调非线性方程组的凸组合算法

将求解单调非线性方程组的CGD算法和MPRP算法的下降方向进行凸组合,构造出新的下降方向,从而提出新的算法,并给出新算法的全局收敛性定理.通过数值实验比较新算法与CGD算法和MPRP算法的结果,可知新算法优于原算法.     

基于共轭梯度迭代算法受控AR模型的参数辨识

推导了单输入单输出系统的辅助模型,它有助于减少计算量和提高共轭梯度迭代算法（新算法）的收敛速度.相比于受控移动平均模型中所提出的交互式随机梯度算法,新算法用更少的迭代步骤就可求出模型的参数估计.另外,新算法能避免出现矩阵的逆矩阵形式.对新算法与双共轭梯度算法进行比较,并给出数值实例检验新算法的有效性.     

混合型方程组的数值解法

针对混合型方程组提出一种新的迭代算法.新算法有如下特点：第一,收敛速度快,同Newton迭代法一样,新算法具有二阶收敛速度; 第二,计算成本低,新算法低于Newton迭代法.在对新算法的收敛性进行严格证明的同时,数值实验还证实,新算法对初始解与精确解的接近程度的要求也比Newton迭代法有所降低.     

一种全局优化的两阶段算法

为了提高算法的有效性,利用梯度算法和粒子群算法独立的运行机制,采用驱赶技术和重新初始化部分群体的技术,提出了一种基于梯度下降法和粒子群算法的两阶段优化算法,并对新算法进行了理论分析和数值仿真.数值结果显示新算法比单纯梯度算法有更好的全局优化能力,比单纯粒子群算法有更快的收敛速度和更高的精度.新算法求解质量更高,运行更稳定.     

基于TLP经验模型的本体学习算法

将TLP和本体回归算法相融合,提出基于TLP经验模型的本体相似度计算和本体映射算法。新算法继承了TCP的特点,使其具有无偏参数估计的特征。将新算法应用于GO本体和物理教育本体,通过实验结果表明新算法对特定的应用领域具有较高的效率。     

非凸-凹极小极大问题的双尺度交替梯度下降上升算法

针对一类非凸-(强)凹极小极大问题,基于双尺度梯度下降上升算法,用交替梯度更新来替代同步梯度更新,从而提出了一种新算法-双尺度交替梯度下降上升算法.通过数值实验结果表明,新算法在MNIST数据集上的分类准确率明显高于原算法,从而验证了新算法的有效性.     

一种改进的非负矩阵分解算法

给出一种广义的Kullback-Leibler代价函数,基于调比梯度下降法得到新的非负矩阵分解算法.新算法的优点是能够对稀疏非负矩阵进行分解,但是新算法的收敛性没有得到改善.进一步对新算法进行改进,数值实验表明改进后算法的收敛性得到明显改善.     

DFT(2~m)和DCT(2~m)的递归快速新算法

本文提出一种计算DCT(2~m)的递归快速新算法,该算法比Lee算法计算误差小,比Vettreli等人的FFCT算法的结构简单,同时具有和上述算法相同的计算复杂性。文中同时导出DFT和DCT之间的关系。基于DCT的快速新算法,DFT的递归快速新算法具有和FFCT和SR—FFT同样的计算复杂性,但具有更好的递归结构。     

求解鞍点问题的一种修正对称SOR-like算法

在SOR-like迭代算法的基础上,通过选取预处理矩阵和待定参数来加速该迭代算法,构造了一种求解鞍点问题的修正对称SOR-like迭代算法,简记为MSSOR-like算法,并研究了新算法的收敛性.数值实验表明新算法是可行且有效的.     

尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法

针对α稳定分布噪声环境下的时延估计问题,对最大似然加权估计法进行改进,给出了三种高效实用的新算法。首先,以分数低阶统计量为基础,提出了一种基于分数低阶统计量的最大似然时延估计算法(FLO-ML算法);其次,通过函数变换,提出了两种不依赖于分数低阶统计量的新算法(Log-ML算法和UDE-ML算法);进一步,本文还详细讨论了三种新算法的适用范围及计算复杂度。仿真分析表明,三种新算法均能在分数低阶α稳定分布噪声环境下实现准确的时延估计,其性能优于同类算法,同时三种新算法都能在传统高斯噪声环境下保持良好的稳健性。     

混合似变分不等式的一个新预解算法

研究了混合似变分不等式的若干迭代算法,利用混合似变分不等式与不动点问题和预解方程这一等价关系,并结合预测-校正迭代算法技巧,给出了一种全新的求解混合似变分不等式的预解迭代算法.在算子是伪单调连续条件下,证明了新提出算法的收敛性.     

Banach 空间中解决变分包含问题的一类广义增生映射和预解式算子

在Banach空间中提出了一类解决变分包含问题的广义增生映射和预解式算子方法,并且证明了预解式算子的Lipschitz连续性,最后给出了一个迭代算法,在适当的条件下,证明了迭代序列的收敛性,所得结果推广和改进了多值映射的相关结果。     

求解混合似变分不等式的一个四步迭代算法

研究了经典变分不等式的一种重要推广形式,即混合似变分不等式;利用混合似变分不等式与不动点问题和预解方程这一等价关系,提出了一个求解混合似变分不等式的四步迭代算法;证明了该算法在算子T伪单调连续的条件下收敛;结果推广和改进了先前的求解变分不等式算法．     

H-单调算子与广义集值变分包含组

利用新的单调算子即H 单调算子,定义了该算子下的预解算子,并讨论了一类广义集值变分包含组,进而给出了H 单调算子下的新的迭代算法,并证明了该算法的收敛性.     

关于完全广义混合强非线性变分包含的迭代算法

引入并研究了Hilbert空间中一类新的完全广义混合强非线性变分包含 ,利用极大单调映射的预解算子技巧建立了新的三步迭代算法 ,证明了此变分包含的解的存在性及由迭代算法所生成的迭代序列的收敛性     

q-一致平滑Banach空间上非线性变分包含组的逼近可解性

在q-一致平滑Banach空间中研究了一类非线性变分包含组,运用m-增殖映射的预解算子技巧,构造了一类迭代序列,证明了在q-一致平滑Banach空间上这类迭代序列的收敛性,推广了Verma一文中的有关结果.     

Banach空间中关于H-增生的多值隐拟变分包含

引入和研究了定义在Banach空间内一类隐拟变分包含问题,借助预解算子技巧,构造了这类问题解的新的迭代算法,并且证明了解的存在性定理和收敛定理.     

一般混合似变分不等式组的迭代算法

对一类新包含n个不同非线性算子和n个不同二元泛函的一般混合似变分不等式组进行了研究;利用预解算子技巧,给出了一个求解这种一般混合似变分不等式组的显式n步迭代算法,并证明了该算法在适当的条件下收敛.     

广义隐拟变分包含的带扰动Ishikawa迭代算法

本文引入了日空间中一类关于极大η-单调映象的完全广义隐拟变分包含，利用预解算子技术建立了这类变分包含解的Ishikawa迭代和Mann迭代算法逼近，证明了其解的存在性以及由算法生成的迭代序列的收敛性。     

基于m-增生映象的混合非线性变分包含

引入了Banach空间中一类m一增生映象的混合非线性变分包含问题,通过对m一增生映象运用Nadler定理和隐预解算子技巧,构建了这类变分包含的迭代算法,并证明了其解的存在性和由迭代算法生成的迭代序列的收敛性．