Riccati矩阵方程异类约束解的迭代算法

首先研究了Riccati矩阵方程中变量矩阵为对称矩阵和自反矩阵异类约束解问题,其次采用牛顿算法将Riccati矩阵方程异类约束解转化为线性矩阵方程的异类约束解,最后采用修正共轭梯度算法(MCG)解决了线性矩阵方程异类约束解或者是最小二乘解问题.     

基于矩阵型惯性投影神经网络的非负矩阵分解算法

提出一种基于矩阵型神经动力学优化的非负矩阵分解算法.将矩阵非负分解优化问题首先转换为两个矩阵变量凸优化子问题，针对其子问题分别提出矩阵型惯性投影神经网络；然后，采用交替迭代方案寻找矩阵非负分解优化问题的解.理论分析证明了矩阵型惯性投影神经网络能收敛于矩阵变量凸优化子问题的最优解，并且基于矩阵型神经网络的交替迭代算法可以收敛到矩阵非负分解优化问题的偏最优解.最后，所提出的基于矩阵型神经网络的交替迭代算法被有效地应用于人脸识别.     

Hermite广义Hamilton矩阵反问题解存在的条件

研究了Hermite广义Hamilton矩阵反问题及其最佳逼近问题，分析了Hermite广义Hamilton矩阵的性质和结构，给出了Hermite广义Hamilton矩阵反问题有解的充分必要条件，并在有解的情况下，给出了通解的表达式以及最佳逼近问题解的表示．     

一类四元数矩阵方程的最小二乘解

利用广义自反矩阵和广义反自反矩阵的性质讨论了线性方程组AX=b和矩阵方程AX=B的最小二乘解问题.当A为广义自反矩阵或广义反自反矩阵时,可将线性方程组AX=b的最小二乘解问题化为两个较小独立的子问题;当A、B都是广义自反矩阵或广义反自反矩阵时,可将矩阵方程AX=B的最小二乘解问题化为线性方程组的最小二乘解问题,从而使这些问题的讨论得到简化.     

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.     

反中心对称矩阵反问题的最小二乘解

讨论反中心对称矩阵反问题的最小二乘解， 得到了解的具体表达式. 并讨论了用反中心对称矩阵构造给定矩阵的最佳逼近问题， 给出了该问题有解的充要条件和解的表达式.     

矩阵方程AX=B的部分对称与反对称解

定义了部分对称矩阵和部分反对称矩阵，给出了矩阵方程ＡＸ＝Ｂ的部分对称解与部分反对称解存在的条件与解的表达式，并讨论了其解集上的一类最佳逼近问题。     

矩阵方程AX=B的部分对称与反对称解

定义了部分对称矩阵和部分反对称矩阵，给出了矩阵方程ＡＸ＝Ｂ的部分对称解与部分反对称解存在的条件与解的表达式，并讨论了其解集上的一类最佳逼近问题．     

一类矩阵方程的反对称正交反对称解及其最佳逼近

定义了一种新的矩阵类：反对称正交反对称矩阵，研究了一类矩阵方程的反对称正交反对称解的存在性及其最佳逼近问题。利用矩阵的广义奇异值分解，得到了该矩阵方程有反对称正交反对称解的充要条件及其通解表达式，并且给出了矩阵方程的解集合中与给定矩阵的最佳逼近。     

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。