一种新的三对角线性方程组分布式并行算法

根据分而治之的思想提出了一种求解严格对角占优的三对角线性方程组的分布式并行算法(newdis tributedparallelalgorithm,NDPA)。当方程组的系数矩阵满足对角占优时,该算法是数值稳定的。新算法的算法复杂性和最优串行追赶法差不多,算法总通信建立次数为2,仅在相邻处理器间进行通信,且每次通信传送2个数据元素分析了算法的加速比、效率以及算法的可扩展性,给出了基于局域网的MPI异构环境下数值实验结果。数值实验结果表示,该算法是高效的。     

最小二乘支持向量机的预优共轭梯度法

针对Suyken等人提出的最小二乘支持向量机的共轭梯度法在输入样本的个数较大时,需要求解高阶线性方程组这一缺陷,提出了一种新算法。该算法利用分块矩阵的思想将该高阶线性方程组系数矩阵降阶,为了提高收敛速度,克服数值的不稳定性,采用条件预优共轭梯度法求解低阶的线性方程组。通过仿真试验证明用本文方法训练最小二乘支持向量机比共轭梯度法的训练速度提高了将近一倍。     

线性方程组符号求解Bareiss算法的改进与实现

使用改进后的Bareiss消去法,在求解具有符号系数的线性方程组时可以避免普通Gauss消去法在计算过程中出现所谓中间系数爆炸的问题,还可以求解系数矩阵不是方阵以及系数矩阵奇异的线性方程组的情况.并且以这一改进算法与syzygy算法为基础,给出了求解多项式系数线性方程组的多项式解的算法.已经在自行开发的自动推理平台软件MMP上实现了这个算法.     

阵列声波测井成像迭代算法及仿真研究

利用阵列声波测井中的反射初至波可以对井孔附近目标体速度结构进行成像，采用离散图象重建技术将成像问题经过线性化处理转化为线性方程组的求解。由于其方程组一般是病态、无精确解的，为此探讨了一种求解任意线性方程组的简单、实用的迭代算法以及其收敛J胜，该算法不需矩阵求逆而总能得到最优解。经过一些典型类型的仿真分析，结果表明该算法在处理声波射线数据不足的情况下能获得理想的成像效果。     

滑窗式无偏多平台无源定位算法

针对纯方位系统单机动平台在不具有比机动目标更高一级的机动运动时,无法满足系统可观测性的问题,提出了一种适用于多平台的无源定位算法。该算法根据目标与平台之间的几何关系得到一个包含目标初始位置和分量速度的伪线性方程组。为减少求解方程组的计算量,保证定位的实时性,对常规的最小二乘法进行了加滑窗处理。通过对观测向量和系数矩阵的分析,证明了算法对目标状态的估计具有无偏性。仿真实验验证了算法的有效性,并讨论分析了平台运动的速度和方向等因素对算法定位性能的影响,得到了保证算法定位性能的平台与目标相对运动关系。     

基于L型阵列的多目标二维角跟踪算法

基于L型阵列,提出了一种新的多目标二维角跟踪算法。该算法通过相邻时刻X阵列及Y阵列协方差矩阵之差得到了两组关于角度差的线性方程组,重复解方程组可以估计出不同时刻各个目标的方位角及俯仰角。本算法可以减小阵元噪声的影响,相邻时刻估计得到的角度是自动关联的,省去了运算量较大的数据关联过程;同时在跟踪过程中,不需要进行子空间分解和参数配对。仿真结果表明,该算法的运算量低,跟踪精度高。     

一种递归泛函网络模型及学习算法

提出一种递归泛函网络模型,给出递归泛函网络稳定性的一种判据,即把稳定点转化为某种函数的不动点;给出一般递归泛函网络学习算法,该算法是借助于Lagrange乘数法,作辅助函数对泛函参数学习过程归结为求一组线性方程组的过程;指出基于递度下降学习算法应用于递归泛函网络仅是一种特殊情形。最后,通过算例分析表明,该算法十分有效,具有模型简单、计算精度高等特点。     

基于仿射变换的双克令吊装卸动态仿真算法

提出一种基于仿射变换的双克令吊联合装卸重大件货物的动态仿真快速算法。该算法是将在三维空间中6参数的非线性方程组经仿射变换后，变为二维平面上的4参数的非线性方程组，对此方程组运用最优化方法进行迭代求解，再经仿射反变换得到原非线性方程组的最终解。在此算法和基于OPENGL的三维视景显示等算法基础上，设计并实现了重大件货装卸仿真系统，实践证明这一算法的实现加快了系统的仿真速度，结果令人满意。     

传感器误差情况下的线性校正TOA定位算法

传统定位方法一般是在假设传感器位置信息准确已知的前提下进行的。然而在实际情形中,传感器位置信息往往含有随机误差,这些误差会严重影响目标的定位精度。针对这一问题,提出了一种存在传感器误差情况下的线性校正TOA定位算法。首先将非线性TOA定位方程组转化为一组关于目标位置的伪线性方程,利用加权最小二乘估计进行初始求解;然后在此基础上把伪线性方程组转化为关于估计偏差的求解问题,进而对初始解进行线性校正。在测量误差充分小的情况下分析了该算法的有效性。仿真结果表明该算法具有较好的定位性能。     

样条权函数神经网络的一种新型算法

针对前馈神经网络在数值插值领域的应用场合,提出了一种新型结构的神经网络及其训练算法。网络拓扑结构简单,网络训练所需的神经元个数与样本个数无关,可以简单地表示成输入、输出样本向量维数之积。算法只需训练1层权函数。训练后的权函数由三次样条函数构成,而不是传统方法(反向误差传播算法“BP”或径向基函数算法“RBF”)的常数。通过求解两组线性方程组,就可以确定具体三次样条权函数形式。不存在传统梯度下降类算法的局部极小、收敛速度慢、初值敏感性等问题。仿真实验说明此算法比传统算法(如BP、RBF)精度高、速度快。     

多子阵互耦影响下的鲁棒自校正算法

针对多子阵中各子阵的标称方向可能存在扰动偏差这一问题,给出了一种多子阵互耦影响下的鲁棒自校正算法。与现有很多互耦自校正算法类似,本文算法同样利用了均匀线阵互耦矩阵的带状、对称Toeplitz性以及多子阵互耦矩阵的块状对角特性,从而避免了多参数联合估计中的多维非线性搜索以及迭代运算。不同的是,本文算法能够克服各子阵标称方向的扰动偏差,具有更强的鲁棒性。此外,还推导了多参数联合估计的克拉美罗界。仿真实验验证了本文算法的有效性和优越性。     

非均匀线阵的互耦自校正

针对非均匀线阵(non-uniform linear array,NULA)互耦问题进行了研究。与均匀线阵(uniform linear array,ULA)不同的是,NULA的互耦矩阵并不具有带状对称Toeplitz的特性,因而处理起来更为复杂。首先,根据阵列结构的特点,可将其互耦矩阵转换为两个具有Toeplitz特性矩阵相减的形式,从而方便实现角度和互耦系数的解耦合。而后结合子空间原理,同时估计信号的波达方向(direction of arrival, DOA)和互耦系数。算法无需额外的校正源,也不需要非线性的高维搜索和迭代过程,计算量小。仿真结果表明,所提算法能够很好地估计出信号角度和互耦误差系数,具有精度高、分辨力强的特点,可以有效地解决此类NULA的互耦问题。     

Limited Memory BFGS Method for Least Squares Semidefinite Programming with Banded Structure

This work is intended to solve the least squares semidefinite program with a banded structure. A limited memory BFGS method is presented to solve this structured program of high dimension. In the algorithm, the inverse power iteration and orthogonal iteration are employed to calculate partial eigenvectors instead of full decomposition of n × n matrices. One key feature of the algorithm is that it is proved to be globally convergent under inexact gradient information. Preliminary numerical results indicate that the proposed algorithm is comparable with the inexact smoothing Newton method on some large instances of the structured problem.

     

A Parallel Algorithm for Solving Block-diagonal Structured Large Linear System

1　 PrologueWith the speedy development of global science technology,modern society has becomemore systematical and informative in many fields such as engineering technology,socialeconomy,organism and zoology. Many complicated large systems have appeared,as ITtechnology develops like wildfire,it is strongly required to improve scientific and correctdecisions,which makes originally complicated large system become more complex.Practical applications of linear program are getting far-ranging and…     

一类线性系统求解的并行算法

本文给出了求解块角结构的大线性系统的一种并行算法 .这一方法以“梯度—单纯形”法为基础 ,将大线性问题分解为若干子线性系统 ,通过并行地对各个子系统求解 ,求得大系统的最优解 .该算法提高了大系统求解速度 ,特别适合于耦合约束较少的大线性问题 .本文还对该算法的应用性进行了分析.     

基于遗传算法的脉冲耦合神经网络自动系统的研究

Eckhorn等人提出的脉冲耦合神经网络(PulseCoupledNeuralNetwork,以下简称为PCNN)在图像处理中得到了十分广泛的应用,但是其多个参数的设置给实际应用造成了很大的困难。尤其是在图像分割中,不同类型的图像要求不同的分割参数,不同的参数对图像分割结果影响很大。而遗传算法具有对参数自动寻优的优势,为此,将其和PCNN相结合提出了一种基于遗传算法的PCNN自动系统的实现方案,并应用于图像分割。分割试验仿真结果验证了该自动系统方案的正确性和可信性,即不仅可以实现正确的图像分割,而且参数可以自动设置省去了人工试验的麻烦,同时分割速度也有所提高。     

Novel method based on ant colony opti mization for solving ill-conditioned linear systems of equations

1 .INTRODUCTIONStudies have shownthat some systems are highlysen-sitive :a small perturbationin the data can result in alarge changeinthe solutions .Such systems are calledill-conditioned systems .Ill-conditionedlinear systemsof equations have a wide application in many fieldssuch asi magine processing,deconvolution, model pa-rameters esti mation.Because the condition number ofill-conditionedlinear systems of equationsis very big,the data error andthe rounding error inthe computa-tional p…     

广义线性系统的鲁棒状态反馈特征结构配置

针对具有参数摄动广义线性系统的鲁棒状态反馈特征结构配置问题 ,提出了一种优化算法。该算法的设计目标是使闭环特征值和特征向量所满足的方程组关于参数摄动误差为最小。根据广义线性系统状态反馈特征结构配置结果 ,给出了优化指标的完全参数表示。该算法简单、有效 ,且可以给出鲁棒性较强的控制系统。数值例子表明了算法的有效性     

基于实值三线性分解的互耦条件下双基地MIMO雷达角度估计算法

研究互耦背景下双基地多输入多输出(multiple input multiple output,MIMO)雷达中联合波离角(direction-of-departure,DOD)波达角(direction-of-arrival,DOA)的估计问题。为利用阵列信号的多维结构,将匹配滤波后的雷达数据表述成一个三阶张量模型。考虑到均匀线性阵列互耦矩阵的带状Toeplitz特性,利用部分阵元方向矩阵具有共同的尺度变换特性消除互耦的影响。结合前后平滑技术和酉变换技术,构建去耦后数据的增广输出三线性模型,再将联合DOD与DOA估计与三线性模型相联系。所提算法能够获得自动配对的目标角度估计,且由于平滑技术的使用,所提算法对相干源具有一定的分辨能力。此外,由于增广三线性模型为实数,因而所提算法的计算复杂度低。最后,通过仿真实验验证了所提算法的有效性。     

Support vector classification algorithm based on variable parameter linear programming

To solve the problems of SVM in dealing with large sample size and asymmetric distributed samples, a support vector classification algorithm based on variable parameter linear programming is proposed. In the proposed algorithm, linear programming is employed to solve the optimization problem of classification to decrease the computation time and to reduce its complexity when compared with the original model. The adjusted punishment parameter greatly reduced the classification error resulting from asymmetric distributed samples and the detailed procedure of the proposed algorithm is given. An experiment is conducted to verify whether the proposed algorithm is suitable for asymmetric distributed samples.