Givens矩阵和Househoder矩阵的几个性质

利用矩阵的分解证明了每个行列式为1的正交(酉)方阵都可表为有限个Givens矩阵的乘积,每个行列式为-1的正交(酉)方阵都可表为有限个Givens矩阵和一个Househoder矩阵的乘积.     

复域Givens变换的研究

针对Givens变换在复域的应用进行了研究,提出了一种能应用于复域的Givens变换定理。在应用到奇异值分析多变量系统稳定性的算法中时,可直接求解奇异值标架向量矩阵。     

复数矩阵的快速Givens变换

本文将对实矩阵的快速Givens变换推广到复矩阵的快速Givens变换,并讨论了用快蘧Givens变换将Hormite阵酉相似变换到实三对角阵的方法。     

基于双边迭代奇异值分解的递推子空间辨识方法

引入双边迭代奇异值分解算法，通过一系列的QR分解，用两个矩阵分别逼近奇异值分解的主要左、右奇异向量，用一个三角矩阵逐渐逼近主要的特征值，从而取代了原始MOESP子空间辨识算法中的奇异值分解步骤。通过用一系列Givens变换来实现QR分解的数据更新，实现了此类子空间方法的在线递推辨识。仿真表明，该方法可以有效地对系统的极点进行跟踪。     

基于Givens旋转多用户多径DS-CDMA信号伪码盲估计

针对多径多用户低信噪比下的伪码估计,提出一种基于Givens旋转多用户多径DS-CDMA信号伪码盲估计的算法.该算法在同步接收扩频信号的基础上,利用特征值分解法获得用户特征向量子空间,通过2维Givens矩阵对子空间特征向量组成的2维载荷矩阵进行旋转,当定义的载荷矩阵总方差达到极小值时停止旋转,得到伪码序列的最佳估计.该算法克服了传统特征分解法估计多用户伪码序列时的缺陷,解决了多用户多径低信噪比情况下伪码序列的盲估计问题.仿真结果表明该算法是有效的,且具有抗多径干扰的能力.     

近似主轴方向法

本文利用有限差分逼近来计算共轭方向,利用Householder变换及Givens变换来计算近似主轴方向,给出了一个有效的直接无约束最优化方法,并计论了该方法的收敛性。     

HR方法中断的克服与快速Givens变换

对于拟对称矩阵的特征值问题,HR方法是相当有效的,但是其三对角化过程可能中断。本文得到了中断发生的一个充分必要条件,提出了克服中断的两个策略,并对高阶拟对称矩阵导出了拟Givens相似变换的快速算法。     

一种改进的准正交空时分组码译码方案

针对传统全速率准正交空时分组码(quasi-orthogonal space-time block code,QO-STBC)译码复杂度高的问题,提出一种改进的准正交空时分组码译码方案.该方案通过在接收端乘以信道矩阵的共轭转置及Givens旋转矩阵,消除检测矩阵部分干扰项,使检测矩阵三角化.和传统的准正交空时分组码最大...     

复矩阵的对称满秩分解

在矩阵的正交三角分解、奇异值分解的基础上,给出了复矩阵的Hermite标准形的求解方法,得到了将复矩阵分解为一个酉矩阵和Hermite半正定矩阵的乘积,以及分解为满秩矩阵与幂等矩阵之乘积的方法.证明了复方阵可分解为一个复对称矩阵与一个复对称满秩矩阵之积.进一步给出了复满秩阵分解为两个Hermite酉矩阵与正定阵之积的方法.     

四元数矩阵的OR分解及等式约束最小二乘问题

利用Givens′变换给出了四元数矩阵的OR分解,并利用复表示和OR分解解决了2-范数下的四元数矩阵的等式约束最小二乘问题.     

复数矩阵的快速Givens变换

本文将对实矩阵的快速Givens变换推广到复矩阵的快速Givens变换,并讨论了用快速Givens变换将Hermite阵酉相似变换到实三对角阵的方法。     

应用ABS算法求解一类不定线性方程组

运用ＡＢＳ算法讨论了等式约束优化问题中的拉格朗日乘子法所形成的线性方程 组的求解问题；利用 ＡＢＳ算法的隐式 ＬＱ分解，通过有限步迭代求出原问题变量 的解，同时形成求解乘子的上三角系数阵的方程；给出了算法的具体过程，分析其数 值稳定性和计算量；作为特例，将最小二乘问题的法方程化为文中方程形式，并给出 了一种计算方法。     

关于特殊辛Householder变换和特殊辛Givens变换算法

对辛QR算法（SR算法）的不稳定性提出了一种改进措施,并对该措施使用的特殊辛Householder变换和特殊辛Givens变换矩阵的性质进行了研究,进而提出了这两种特殊辛相拟变换中相应的旋转角的选取策略和实现这些措施所对应的算法,使用这一改进措施,可以建立各种修正辛QR算法。     

基于分布估计算法的非负矩阵分解

非负矩阵分解问题可以转化为一个约束优化问题,因此可以依靠最优化领域的相关算法进行求解.提出一种基于分布估计算法求解非负矩阵分解问题的新算法,并将算法应用于两个非负矩阵分解的数值算例,与非负矩阵分解基准算法进行比较,证实了算法的可行性和优越性.     

增删数据场合最小二乘估计算法的比较研究

给出了增删数据场合多元线性回归模型参数最小二乘估计的两种算法-递推算法和Givens变换法,二者都利用已有的结果,减少计算量.递推算法给出预测误差的关系式,可直接比较预测误差大小;Givens变换法不能直接导出预测误差的关系式,但更容易算出残差平方和,可通过比较残差平方和大小比较增删数据前后参数估计的好坏.     

解不等式约束问题的不可行SSLE滤子算法

考虑将原不等式约束优化问题转化为与其等价的带等式约束的优化问题,并证明它们具有相同的KKT条件.转化后的问题要求其乘子是非负的,故其KKT条件与一般的等式约束优化问题不同. 针对这种具有特定的等式约束优化问题,提出了一种求解不等式约束优化问题的不可行序列线性规划滤子方法.该算法只需求解两个具有相同系数矩阵的线性方程组以得到搜索方向,因此计算量较小.最后给出了该算法的全局收敛性证明和数值结果.     

对称稀疏矩阵三对角化并行算法

本文用Ｇｉｖｅｎｓ变换,给出一个对称稀疏矩阵的三对角化并行算法,具有很好的并行加速及效率,由于充分考虑了矩阵的稀疏性,使算法中数据存储及通讯相当节省。     

融合矩阵分解和XGBoost的个性化推荐算法

针对传统的协同过滤推荐算法中评分矩阵过于稀疏和算法准确度不高的问题,提出一种融合矩阵分解和XGBoost算法的推荐算法(MFXGB,Matrix Factorization XGBoost),其特点是利用SVD++算法(SVD,Singular Value Decomposition)对用户项目评分矩阵进行填充,避免过多的缺失值对算法精确度的影响,再利用XGBoost(eXtreme Gradient Boosting)算法训练有监督的模型用于预测用户评分.为了克服计算成本过高的困难,提出利用K-均值聚类方法进行特征提取用于训练XGBoost模型.将MFXGB算法应用于MovieLens数据集进行实验分析,结果显示,MFXGB算法的推荐精确度比传统的3种方法分别提高了8.91％、10.18％和11.79％,效果明显优于传统的推荐算法.