Sylvester矩阵方程的改进IO迭代算法

通过对Sylvester矩阵方程的理论分析,可知IO迭代算法中迭代矩阵的谱半径随内迭代次数的增大而减小,更新了IO迭代算法中内迭代次数的选择方法,并证明了该算法收敛性与初始矩阵无关。Sylvester矩阵在满足一些特定条件下,为了进一步提高收敛速度,可通过选择适当的相关参数,使得IO迭代算法有较好的收敛速度且比Smith算法的迭代次数明显减少。     

一种基于响应的振动系统参数识别的迭代方法

研究了振动反问题,提出了一种适用于振动系统参数识别的迭代方法。该方法把振动控制方程转化为状态方程,基于振动系统的时域响应,通过构造一种矩阵迭代算法来反演系统参数。数值算例表明本文方法具有较快的收敛速度和较高的精度。     

一类热传导方程非线性源项识别问题

利用单调性估计方法证明了一类热传导方程非线性源项识别问题的可识别性，并运用函数逼近理论，把对非线性源项的识别问题转化成一常系数参数识别问题；给出了一种对非线性源项识别的可实现的线性迭代算法及相应的数值实例。     

关于解非线性方程组单调迭代法的若干注记

本文讨论解非线性方程组单调迭代定理的其它形式;推广n个变元n个方程时求初值的方法到n个变元m个方程的情形;分析两侧逼近中求切值算法的适用范围并对一些特殊情况作了适当的处理。本文还讨论了影响单侧迭代收敛速度的一些因素;建立了两点序列割线法的单调性条件并对一些具体的单调迭代分析了有关算子或参数对其R—敛速的影响。     

基于LMD算法的电压闪变参数识别新方法

为了实现电压闪变参数的精确识别,针对采用常规算法求取的电压闪变的调幅波、间谐波参数波动大的问题,首次提出了将局部均值分解(LMD)算法应用于电压闪变参数识别.选取典型的电压闪变算例,应用LMD算法和HHT算法进行仿真对比,结果表明,LMD通过除以包络函数得到PF,"筛分"次数较少,端点效应较小,所求的闪变参数在稳态时基本不变化.该方法步骤简单、运算速度快,证明了LMD算法的可行性与准确性.     

关于对BP神经网络算法改进的研究

为了减小标准BP算法中迭代次数并提高其收敛速度 ,现提出将负梯度下降法与DFP变尺度算法相结合进行权值修正的方法 .在误差寻优初期 ,首先采用标准BP算法进行迭代 ,每迭代一次的工作量较小、所需存贮量较少 ,且对初始点的要求不高 .然后 ,当寻优过程开始接近最优时 ,更改寻优算法 ,即使用DFP变尺度算法 .最后 ,运用MATLAB工具箱和VisualBasic实现算例 .实验结果表明 :改进后的BP算法减少了迭代次数 ,提高了寻优的收敛速度     

基于近似零范数的子空间迭代稀疏分解算法

针对近似零范数算法单参数代价函数不能协调近似精度与噪声容限的问题,提出了基于多参数代价函数的改进算法.在此基础上,利用子空间表示的方法确定了满足方程的源信号矢量空间,以此约束迭代算法的搜索范围,提高算法效率.理论分析和仿真实验表明,基于矢量空间迭代的算法收敛速度更快.此外,代价函数的改进在保持算法性能随源信号活跃概率变...     

变系数反应扩散方程的双参数分裂预处理方法

考虑一类空间变系数反应扩散方程的快速算法.针对二阶改进道格拉斯分裂时间离散所得线性代数系统，构造一类双参数交替分裂迭代方法.分析格式的收敛性，给出最优参数的取值，并获得相应预处理子.数值结果验证新方法的有效性及相比单参数分裂迭代格式的优越性.     

广义混合型Lyapunov矩阵方程多参数迭代校正方法

讨论广义混合型Lyapunov矩阵方程AX+XB+CXD=F的多参数迭代校正方法.给出了迭代收敛的充要条件和参数的选取方法,同时运用一个整体校正模型改善了迭代的收敛性.当方程相容时,该算法对方程的系数矩阵无特殊限制.     

基于Bayes微分进化算法的热源识别反问题

利用Bayes微分进化算法, 讨论二维热传导方程问题, 通过一个观测点的不同时刻观测温度, 给出热源位置的反演估计. 数值实验结果表明： 随着迭代次数的增加,  热源位置参数误差变小; 当迭代次数大于120次时, 参数反演的相对误差均控制在2%以内; 当对观测数据分别添加5%和10%的白噪声时, 相对误差变化不大, 表明算法稳定性较好.     

一种新的基于梯度动力学的协同神经网络学习算法

在研究协同神经网络梯度动力学过程的基础上，针对学习过程收敛速度缓慢的缺点，介绍了一种改进的基于梯度动力学的协同神经网络学习算法。该算法分析了非平衡注意参数对学习过程的影响，简化了初始伴随向量的选取；并引入最优化理论，将该问题归结为求解非线性最优化问题，提出了适时地用共轭梯度法代替梯度下降法的算法，加快了学习过程的收敛。通过对标准人脸图像库的图像识别实验表明该算法较之其他学习算法有较高的识别率，并能较快地收敛到极小值。     

基于协同理论的不变性模式识别

提出了一种基于协同学理论的不变性模式识别模型．该模型首先对输入图象模式进行位置和大小上的归一化，然后提取其旋转不变性子波特征作为模型的试验模式，最后由协同系统的序参量迭代方程得出正确的识别结果．这种方法与Ｈａｋｅｎ提出的两种协同不变性模式识别方法相比，既比频域法更接近于人类的认识过程，又避免了“伪状态”的出现，使得系统严格收敛到正确的模式上．实验表明，该模型不但具有很好的识别精度，而且还表现出较好的抗干扰和缺损能力．     

基于Gabor特征和协同神经网络的车牌识别方法

研究了车牌字符识别问题,针对车牌识别系统易受天气及光照变化影响的实际应用,将Gabor特征和协同神经网络应用在车牌字符识别中,提高了识别率.首先对车牌字符进行二值化和切分,然后利用Gabor滤波器提取车牌字符的特征参数;再利用协同模式训练特征参数,进而得出训练样本;最后根据协同神经网络进一步识别车牌字符.通过大量仿真实验表明,该方法在不同场景、光照条件下,与传统方法相比,识别率有了较大改进,该方法在车牌识别领域有较强的实用性.     

应用模式识别自动追踪地震剖面同相轴

将模式识别技术应用于自动追踪地震剖面同相轴．追踪过程用迭代法来实现，第一次迭代时追踪到强同相轴，在其后的迭代中追踪到弱同相轴．每次迭代中的追踪范围限制在前一次迭代已得到同相轴所勾划出的区域内，采用相关相邻地震道的方法追踪同相轴，一种称为双态相容性检测法ＢＣＣ的算法可以同时相关三个道．追踪完同相轴后自动编辑同相轴，提供描述同相轴的有关参数．迭代法和ＢＣＣ算法的结合在模拟人工解释以及将“地质趋势”加入最终结果方面是有效的．     

基于显式Wilson-θ法的动载荷识别研究

推导出多自由度动力学方程的Wilson-θ数值算法显式表达形式,进而提出了一种显式Wilson-θ 的动载荷识别算法.该算法避免了Wilson-θ算法的隐式迭代形式的迭代误差,在拥有显式算法特性的同时具备隐式算法的特性.当θ取合适的值时,该算法是无条件稳定的.通过悬臂梁的算例和实验对算法的识别效果进行了验证,并与传统的状态空间法的识别结果进行了对比.结果表明:该算法不仅能够对矩形载荷、谐波载荷和随机载荷进行准确地识别,并且比状态空间法的识别精度更高.     

多字体字符识别的分级协同模型

提出了一种用于多字体字符识别的分级协同神经网络模型。该分级模型的识别由两部分组成：Haken的协同网络确定识别进入哪个协同子网;用协同子网进行具体识别。对大量实际采集得到的多字体字符样本的测试表明：新模型能有效地提高协同神经网络对多字体字符的识别率,但由于仍保留了识别速度快的特点,所以新模型适用于实时的光学字符识别应用,对加噪字符的识别试验表明该模型具有很好的鲁棒性。     

信号通路模型参数优化的非线性滤波方法

提出采用非线性滤波方法--平方根UKF估计信号通路模型的未知参数,利用协方差平方根代替协方差参加递推运算,保证了滤波算法的数值稳定性.以肿瘤坏死因子诱导的核转录因子κB信号转导网络为例,利用平方根UKF对系统模型的未知参数进行辨识.仿真结果表明,该非线性滤波方法能够从噪声数据中提取有效信号,提高了参数估计的精度,为解决复杂信号通路参数辨识中的不确定性问题提供了可靠的方法.     

基于主分量分析的形状特征提取及识别研究

主分量分析(PCA)是统计学中分析数据的一种有效的方法,可以将数据从高维数据空间变换到低维特征空间,因而可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中,用PCA法提取图像的形状特征,能够较好地满足识别层的输入要求。在识别层研究了3种识别方法:最近邻法则、BP网络及协同神经网络方法,均取得了满意的实验效果。     

基于协同学的人脸分类集成

提出了一种基于协同学的人脸分类集成方法.选择不同的训练样本作为原型模型,以增加原型模型的多样性;识别时,将序参量转化为后验概率,分别运用投票法和基于和的后验概率集成方法进行识别,并提出了一种改进的基于和的后验概率集成方法,来提高集成的效果.另外,将核主分量分析和协同模式识别进行结合,在运用协同模式识别之前,先采用核主分量分析获得原始图像的最优非线性表示,以提高模式的可分性,并消除图像冗余信息的影响,然后再进行协同人脸分类.对Y a le人脸库中的图像进行识别实验,结果表明所提方法的有效性,取得了比经典的协同模式识别方法和核主成分分析更好的结果.     

基于面部特征分析的疲劳驾驶检测方法

为避免疲劳驾驶,通过提取面部疲劳特征参数的方法研究了驾驶员疲劳检测技术.对SSD(single shot multi box de-tector)目标检测算法及连续自适应均值漂移跟踪算法(continuously adaptive MeanShift,CamShift)进行优化,以检测人脸区域.利用特征点定位提取面部疲劳特征参数,并基于眼睛闭合时间百分比(percentage of eyelid closure over the pupil over time,PERCLOS)设定疲劳阈值和疲劳检测策略.在实车样本集上进行试验,结果表明:优化的人脸区域定位方法对光线变化、类肤色干扰的鲁棒性更强;所提取的疲劳特征参数能有效反映驾驶员疲劳状态,平均识别准确率达到了92.2％.改进后的算法系统在基于视觉特征的疲劳驾驶检测技术中达到了较高水平,对于预防交通安全事故具有重大意义.