线性流形上D反对称矩阵反问题的最小二乘解

研究了线性流形上 D反对称矩阵反问题的最小二乘解及其逼近问题 .给出了最小二乘解的一般表达式 ,并就该问题的特殊情况 :矩阵反问题 ,证明了可解的充要条件 ,并在有解的条件下给出了解的一般表达式 .得到了最佳逼近解的表达式 .     

D反对称矩阵反问题的最小二乘解

为了研究约束矩阵方程问题,提出了D反对称矩阵的概念,研究了D反对称矩阵反问题的最小二乘解及其最佳逼近问题;采用矩阵奇异值分解、分块降阶等方法,获得了D反对称矩阵反问题的最小二乘解一般表达式及最佳逼近解的表达式,并对其逆特值问题、线性约束方程问题给出了有解的充分必要条件,推广了文献[1]中的相关结果及应用范围.     

线性流形上次反对称矩阵的最佳逼近

讨论了线性流形上次反对称矩阵反问题的最小二乘解及其最佳逼近.首先通过将次反对称矩阵反问题转化为反对称矩阵反问题,利用反对矩阵反问题的已有结论,得到了最小二乘解的一般表达式; 其次就该问题的特殊情况--矩阵反问题进行讨论,得到了有解的充要条件及解的通式;最后证明了最佳逼近问题存在唯一解, 并给出了最佳逼近元素的具体表达式.     

线性流形上W准反对称矩阵反问题的最小二乘解

研究了线性流形上W反对称矩阵反问题的最小二乘解及其逼近问题,给出了最小二乘解的一般表达式,并就该问题的特殊情况——矩阵反问题,获得了有解的充分必要条件,在有解的条件下得到了解的一段表达式.     

线性流形上AXB=C的反中心对称解

讨论了线性流形上矩阵方程AXB=C的反中心对称解及最小二乘解.利用矩阵对的商奇异值分解得到了方程有解的充分必要条件及解的一般表达式.利用矩阵对的标准相关分解技术获得了方程的最小二乘解.     

线性流形上AXB=C的反中心对称解

讨论了线性流形上矩阵方程AXB=C的反中心对称解及最小二乘解．利用矩阵对的商奇异值分解得到了方程有解的充分必要条件及解的一般表达式．利用矩阵对的标准相关分解技术获得了方程的最小二乘解。     

线性流形上AXB=C的反中心对称解

讨论了线性流形上矩阵方程AXB=C的反中心对称解及最小二乘解.利用矩阵对的商奇异值分解得到了方程有解的充分必要条件及解的一般表达式.利用矩阵对的标准相关分解技术获得了方程的最小二乘解.     

一类双对称矩阵反问题的最小乘解

研究了一类双对称矩阵反问题，得到该问题有最小二乘解的充要条件。并给出解的表达式．     

线性流行上一类矩阵方程的对称和对称半正定最小二乘解

导出了在两类线性流形上对称矩阵类和对称半正定矩阵类中一类矩阵方程的最小二乘解的一般表达式，并讨论了解对于已知矩阵的最佳逼近问题。     

一类P正交反对称矩阵反问题的最小二乘解

讨论了P正交反对称矩阵反问题的最小二乘解，得到了解的一般表达式和给出了方程有解的充要条件，并且讨论了相应矩阵的最佳逼近问题。     

线性流形上广义次对称矩阵反问题的最小二乘解

讨论了线性流形上广义次对称矩阵反问题的最小二乘解及其逼近问题。利用矩阵的奇异值分解和矩阵分块方法，得到了最小二乘解的一般表达式。给出了线性流形上矩阵反问题的可解的充分必要条件。而且就相应的逼近问题，利用Frobenius范数的正交不变性和闭凸维上的逼近理论，得到了最佳逼近问题惟一解的表达式。     

反特征值问题的最小二乘解的Cramer法则

利用拉直算子将反特征值问题最小二乘解化为线性方程组极小范数最小二乘解,给出反特征值问题最小二乘解的Cramer法则。     

一类次对称矩阵反问题的最小二乘解

讨论了一类次对称矩阵反问题的最小二乘解,得到了解的具体表达式;并就这类矩阵的左右逆特征对问题进行了讨论,得到了有解的充分条件及解的通式。     

加权最小二乘支持向量机与最小二乘问题的关系

研究了加权最小二乘支持向量机与最小二乘法的关系．证明了用加权最小二乘支持向量机作函数估计与在特征空间中用最小二乘法得到的解是一致的．加权最小二乘支持向量机选择核相当于最小二乘法选择基函数组．由此提出了采用加权最小二乘支持向量机解决最小二乘法问题的思想，保证解具有良好的推广性、鲁棒性与稀疏性．     

非线性LTS稳健估计方法

为使原始LTS(least trimm ed squares)方法能够处理非线性问题,研究非线性LTS稳健估计方法。说明该方法的解一定是部分观测值的非线性最小二乘估计。该方法可通过求解非线性最小二乘问题得到确切解。基于MM EA(m in im um m ax im um exchange a lgorithm)算法和非线性最小二乘技术,构建求解非线性LTS估计近似解的算法。仿真结果表明非线性LTS估计方法能够同时抵抗来自X方向和Y方向的多个异常,与传统方法相比具有更好的稳健性。     

支持向量机与最小二乘法的关系研究

研究了支持向量机 (SVM)在二次损失函数下的优化问题解的形式 ,并与普通的最小二乘 (L S)估计问题进行了比较 ,得到了几乎完全一致的优化问题形式。由于 SVM在二次损失函数下的优化问题对应于一个欠定问题 ,该问题在最小二乘估计中有最小范数解。如果 SVM的参数选择合适 ,从理论上可以证明采用二次损失函数的 SVM函数拟合问题实际为约束最小二乘估计问题 ,并且该问题的解对应于最小范数最小二乘解。由于最小化范数解实际是 SVM在取某些参数时的一个特例 ,如果能够自动调整这些参数 ,则得到一类最小化范数解。由此提出了采用 SVM解决最小二乘法问题的思想 ,由于 SVM的优点 ,使解更加符合实际情况     

带有线性不等式约束的线性模型参数的最小二乘估计

本文给出了求解具有线性不等式约束的线性模型参数的最小二乘估计的一个方法,并得到了这个估计的一般表达式。     

五阶及六阶全对称幻方

构造出五阶全对称幻方的通解 ;证明了六阶全对称幻方不存在 .前者解决了一个明确的问题 ,其结论是 :五阶全对称幻方必须由两个正交的全对称拉丁方构成 ;后者解决了一个长期猜想的问题 ,即六阶全对称幻方解不存在 .这两个问题 ,特别是后一个问题 ,都是长期悬而未决的问题 .     

解框形约束最小二乘问题的神经网络

将Ｈｏｐｆｉｅｌｄ神经网络用于解最优化问题，给出了一个解框形约束最小二乘问题的离散形神经网络。当这一网络达到其稳定状态，即其能量函数为最小时，由网络的输出可以获得问题的最优解。