基于MATLAB的Cholesky分解法解线性方程组

本文首先介绍什么是Cholesky分解及分解注意的事项,然后对Cholesky分解算法进行描述,重点介绍如何用Cholesky分解法及改进的平方根法解线性方程组Ax=b,对两种算法进行了比较,针对实例分别用MATLAB程序实现,最后进行总结并对此课题未来研究作出展望。     

四元数Cholesky分解的实保结构算法的再研究（英文）

文献[6]中,作者提出了四元数Cholesky分解的一种实保结构算法.本文对四元数Cholesky分解的实保结构算法进行了细致的研究,给出了基于高效运算的四元数Hermitian正定矩阵的LDL~H及LL~H分解的实保结构算法.我们将这两种实保结构算法的运算时间及精度与文献[6]中的算法及Matlab中的四元数工具包QTFM进行了比较.数值例子表明本文所提出的算法相对于利用低效运算[6]的算法及利用四元数代数运算的QTFM更加有效.     

非高斯型互相关随机数的发生技术

在用蒙特卡罗法进行仿真研究（例如进行测量不确定度评定）时,常常需要发生多个非高斯型互相关的随机数.就这一问题,给出完整的解决方案：用Hermite展开式生成近似的非高斯变量,借助Cholesky分解建立各变量之间的相关性.方法的关键在于对互相关系数矩阵进行“预变形”,使Cholesky分解也适用于非高斯变量.此外,还利用Cholesky分解式下三角矩阵的特点,对矩调整和建立相关性两个过程进行解耦.给出了详细的算法说明.     

基于LU分解的增广信息滤波机器人协同定位

在增广信息滤波机器人协同定位算法中，通常对联合分布的信息矩阵采用Cholesky方法进行分解。基于Cholesky分解的增广信息滤波对联合分布的信息矩阵的正定对称性要求很高，在联合分布的信息矩阵不满足正定对称性的情况下，求逆产生异常，影响联合分布的信息恢复，系统的鲁棒性下降。本文提出了一种基于LU分解的增广信息滤波算法，保证了机器人协同定位算法精度的同时，有效解决了联合分布的信息矩阵分解异常问题，最后对机器人系统可观测性进行分析。利用MATLAB软件平台对算法进行仿真验证。结果表明，该算法保证了机器人协同定位精度，提高了机器人系统的鲁棒性。     

一类o-对称矩阵的3种分解

给出o-对称矩阵概念及结构,研究其中一类o-对称矩阵的LDU分解和Cholesky分解及三对角分解,给出了分解公式,得到一些新结果,据此可大大减少这类矩阵的LDU分解和Cholesky分解及三对角分解的计算量和存储量.     

预处理ICCG法求解稀疏病态方程组

针对一般的对称正定线性代数方程组,首先给出了常用的不完全Cholesky分解预处理技术;然后通过改进对称逐次超松弛(SSOR)预处理矩阵形式提出SSOR-ICCG算法及其改进算法,并讨论了算法的收敛性;最后进行数值模拟仿真实验,数值结果表明,该算法是有效可行的,且较之一般的预处理不完全Cholesky共轭梯度法(ICCG方法),该算法在求解稀疏病态方程组方面具有优越性.     

基于单元级矩阵分解的EBE-PCG算法及其在网络机群并行环境上的实现

基于EBE策略，讨论求解大型线性方程组CG方法及PCG方法的并行计算．在不显式形成总刚度阵的情况下利用单元级矩阵的Cholesky分解构造总刚度阵的近似，形成预条件矩阵，提出了求解大型线性方程组的EBE—PCG并行算法，并讨论了算法在网络机群(COW)并行计算环境下的实现．结合实际算例，对EBE-PCG并行算法进行了并行效率分析．结果表明基于单元级Cholesky分解的EBE—PCG算法具有很好的并行效率，是一种适合网络机群并行环境的高效并行算法．     

基于Cholesky分解的LSSVM在线学习算法

针对最小二乘支持向量机(LSSVM)用于在线建模时存在的计算复杂性问题，提出一种LSSVM在线学习算法.首先引入了基于Cholesky分解求LSSVM的方法，接着根据在线建模期间核函数矩阵的更新特点，将分块矩阵Cholesky分解用于LSSVM的在线求解，使三角因子矩阵在线更新从而得出一种新的LSSVM在线学习算法.该算法能充分利用历史训练结果，减少计算量.仿真实验显示了这种在线学习算法的有效性.     

求解不定信赖域子问题的分段三次Hermite插值法

当Hessian阵为不定矩阵时,用修改Cholesky分解对其修正,再用分段三次Hermite插值法来求解新的信赖域子问题,提出解不定信赖域子问题的修正分段三次Hermite插值方法。并进行数值试验:比较此方法与修正分段割线法、混合折线法的数值结果。结果表明:此算法有效可行。     

求不定二次规划问题全局解的新的分支定界算法

提出了求解不定二次规划问题一个新的分支定界算法.利用D.C.分解和正定阵的Cholesky分解把问题转化为可分离形式,并导出Lagrangian对偶界,给出基于Lagrangian对偶界和矩形对分的分支定界算法,同时给出初步数值实验结果.     

基于现场可编程门阵列的矩阵求逆算法设计

针对自适应抗干扰算法在更新最优权值时存在时间延迟问题,提出了一种基于Cholesky分解的矩阵求逆算法实现架构。该实现架构主要包括协方差矩阵计算模块、Cholesky分解模块、计算下三角矩阵的逆矩阵模块、三角矩阵相乘和权值计算模块。本设计可完成在最短权值更新时间的前提下,对高阶采样矩阵进行求逆运算。仿真结果表明,在FPGA的硬件平台上,一次权值的更新时间只需要1.2 ms。本设计为自适应抗干扰快速求解权值提供了一种切实可行的解决方案,对存在类似需求的权值求解系统具有一定的参考价值。     

Fast inverse Cholesky decomposition for rectangular Toeplitz-block matrix

A fast Cholesky decomposition and a fast inverse Cholesky decomposition method forA ^T A are presented, whereA is anm×n rectangular Toeplitz-block matrix, we give the FCD-algorithm for computingR, and the FICD-algorithm for computingR ⁻¹, both allow for an efficient parallel implementation, for solving a least-squares problem and require onlyO(mn) operations. Supported by the National Natural Science Foundation of China and NCP of China Fang Yunlan: born in Aug. 1970, Past graduate student     

Faure序列的一种构造方法

在伪 MonteCarlo方法中,经常用Faure序列去计算偏差(Discrepancy),对于Fau re序列构造的生成矩阵C3.本文证明C3=chol(pascal(m)),其中pascal(m)是m阶Pascal矩阵,而chol(pascal(m))是pascal(m)的Cholesky分解,用上述结论并结合Matlab的优化软件给出Faure序列的一种构造方法.     

一种用于计算矢量有限元方程组的不完全分解预处理方法

提出一种不完全分解预处理方法,并结合迭代法计算矢量有限元方程组。预处理方法采用基于拓展乔里斯基分解的多波前法对有限元方程组的系数矩阵进行分解和更新,并采用基本线性代数系统库函数计算稠密矩阵乘来保证算法内层循环的高效率。该预处理算法在对系数矩阵进行数值分解前引入缩放矩阵以改善矩阵条件数。针对有限元方程组系数矩阵稀疏或部分稀疏的特性,提出一种新的舍弃策略以保证不完全分解的精度和提高预条件子的构造时间。通过与直接法对比,从时间花费与内存占用两方面,分析了该算法的计算性能。理论和数值实验表明,提出的预处理方法能大大减少计算时间与分解过程所占用的内存,同时保证了计算的准确性和有效性。     

基于模拟退火遗传算法求解整周模糊度

采用乔里斯基分解对浮点解和协方差矩阵进行降相关处理,以降低整周模糊度各分量之间的相关性,然后在遗传算法的种群迭代中加入模拟退火的思想,并将改进的遗传算法应用到整周模糊度的搜索解算上,最终求得整周模糊度的最优解.仿真结果表明,在整周模糊度的解算过程中改进的算法能降低算法的收敛速度,提高算法的运行效率.     

一种并行计算通信优化策略

为了解决在ABEEMσπ模型电荷分布计算中,基于Cholesky分解并行算法在通信过程中不断增长引起的通信开销和同步开销问题,采用linux并行计算集群系统层通信优化方法,设计并实现了系统层零拷贝通讯优化方法,以及可卸载的LKM模块机制缩短开发和测试时间,减少数据拷贝冗余的基于地址映射的零拷贝技术,解决了通讯延迟等问题。测试结果表明:基于零拷贝的通讯优化方法保证了数据信息的及时性、高效性与准确性,大大提高了Cholesky分解并行算法的通信性能。     

改进的基于奇异值分解的抗差容积卡尔曼滤波算法在全球定位导航中的应用

非线性动态系统存在非线性和噪声不确定的问题,容积卡尔曼滤波对解算该类系统有较好的精度,为了提升导航系统对异常观测值的稳定性,对采样数据进行均值滤波处理,降低干扰较大的采样数据对于滤波结果的影响.用奇异值分解代替Cholesky分解,改善滤波稳定性,避免先验协方差非正定而降低滤波性能.最后通过引入抗差因子调节观测协方差矩阵,再次减少观测异常值对于滤波结果的影响.采用仿真实验进行分析,改进的抗差容积卡尔曼滤波算法对于减弱异常观测值影响有良好的效果.