帕斯卡（Pascal）矩阵有关性质的探讨

由帕斯卡（Pascal）三角形（中国称为杨辉三角形表）构造出来的矩阵被称之为帕斯卡（Pascal）矩阵,它是研究某些概率问题时常涉及到的一类特殊矩阵。本文通过特殊到一般,类比猜想的方法,探讨阶帕斯卡（Pas-cal）矩阵的分解并给出逆矩阵及其特征值的特性。     

全对称矩阵的满秩分解及Moore-Penrose逆

给出全对称矩阵中具有轴对称结构矩阵(延拓矩阵)的满秩分解及Moore-Penrose逆与原矩阵的满秩分解及Moore-Penrose逆的定量关系,从而可节省这类具有该对称结构矩阵的满秩分解及Moore-Penrose逆的计算量和存储量.     

拟行(列)对称矩阵的Schur分解及正交对角分解

考虑拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆, 给出拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆的计算公式. 实例计算结果表明, 该方法既减少了计算量与存储量, 又不会降低数值精度.     

拟行(列)对称矩阵的Schur分解及正交对角分解

考虑拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆, 给出拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆的计算公式. 实例计算结果表明, 该方法既减少了计算量与存储量, 又不会降低数值精度.     

泛延拓矩阵的极分解与广义逆

应用矩阵分解和广义逆理论给出泛延拓矩阵的极分解和广义逆的计算公式, 并推导出泛延拓矩阵极分解的一些扰动界. 结果表明, 该方法在保持数值精度的同时降低了计算量与存储量.     

泛延拓矩阵的极分解与扰动界

用矩阵分解和广义逆的相关性质给出泛延拓矩阵的极分解、 广义逆和扰动界的若干计算公式. 数值实例结果表明, 该方法在数值精度不变的情况下可极大降低计算量与存储量.     

酉对称矩阵的满秩分解及其算法

对酉对称矩阵的满秩分解算法作了研究，证明了酉对称矩阵的满秩分解矩阵F^＊和G^＊与母矩阵A的分解矩阵F和G之间的定量关系，同时给出了满秩分解的两种快速算法。最后对酉对称矩阵的部分广义逆-g逆，反射g逆，最小二乘g逆，最小范数g逆问题作了定量分析，也得到了相应的算法，并在文后举例给以说明所得算法大大降低了酉对称矩阵的满秩分解的计算量和存储量，提高了计算效率。     

一类特殊矩阵的逆矩阵及其特征值算法

介绍一类特殊阶矩阵的逆矩阵和特征值算法,并通过具体例题展示该方法的实用性和优越性。     

任意体上矩阵广义逆的反序律

证明了任意体上矩阵乘积的一条分解定理. 利用该分解定理作为工具,获得了任意体上矩阵乘积的g-逆和自反g-逆的反序律的充分必要条件.     

拟行(列)对称矩阵的极分解

考虑拟行(列)对称矩阵的极分解、广义逆和扰动界,并对拟行(列)对称矩阵的极分解进行扰动分析,获得了拟行(列)对称矩阵的极分解和广义逆的计算公式.结果表明,该方法既能减少计算量与存储量,又不会降低数值精度.     

QR分解在方差分析中的应用

在线性混合模型的方差分量估计中,方差分析估计是一种很重要的估计方法。应用此方法估计过程中,所求的方程组的系数矩阵是上三角矩阵,很容易求得其解,然而它的计算会随着数据的增多变得既耗时又不稳定。用QR分解的方法计算方差分量的估计,不用计算投影阵及广义逆矩阵,而且参与运算的矩阵的阶数相对比较小,节约了存储空间。利用QR分解,讨论其在线性混合模型中方差分量的方差分析估计中的应用。     

基于CCA的图像特征匹配算法

基于典型相关分析的思想,提出一种可以解决具有相同数目特征点的图像特征匹配算法.算法利用典型相关分析将提取的2幅图像的特征点投影到新的特征空间上,将获得的投影向量作为匹配特征构造匹配矩阵,最后根据匹配矩阵元素的大小判断特征点的匹配关系.仿真实验结果验证了该算法的有效性和稳健性.     

广义逆矩阵中三个问题的研究

研究广义逆矩阵中的三个问题 :( 1 )广义逆矩阵与逆矩阵之间的关系 ;( 2 )给出广义逆矩阵A 惟一性的简明证法及计算公式 ;( 3)给出广义逆矩阵集合A{1 }中的任意元素的简便计算表达式     

最小二乘配置的QR分解解法

为了解决最小二乘配置解算问题,采用QR分解解法建立了直接解算算法.分析了目前采用的最小二乘配置法解算方法,在讨论了矩阵的QR分解方法的基础上,推导得出了矩阵QR分解与广义逆矩阵的关系,得出了可以直接利用QR分解求解矩阵的最小二乘逆,并推导了应用QR分解求解最小二乘配置的估值计算公式和精度估算公式,最后通过重力异常实例进行了计算,得出矩阵的QR分解用于最小二乘配置解算的正确性和可行性.该成果为最小二乘配置法提供了一种新的解算方法.     

一种新的快速BP神经网络算法--QLMBP

对反向传播（BP）算法中收敛速度最快的改进版本Levenberg-Marquardt BP（LMBP）进行了研究，找出了收敛速度的瓶颈：迭代控制参数的初始化会严重地影响到算法的选代次数；涉及的矩阵求逆是每次迭代中最耗时的计算；如果每次迭代中的误差平方和没有变小，该次迭代可能需要很长时间．本文通过上下三角（LU）分解去除耗时的矩阵求逆，并采取一维搜索来加速目标函数值的下降，使得LMBP不再依赖于迭代控制参数，从而提出了一种快速神经网络算法QLMBP．QLMBP算法的收敛速度比LMBP算法快100倍左右．     

基于Reflected Sigmoid径向基函数重建温度场优化算法

微波加热在工业领域中广泛应用,利用超声波测温对其温度场重建可以实时监控设备内部温度,重建算法是实现温度场重建的关键。经典的重建算法为最小二乘法,其在重建过程中为保证结果唯一性,要求有效声波路径数大于区域划分数,重建结果的边界处会出现温度信息缺失。优化声波换能器安装位置,减少待测区域边界位置信息损失,提出基于Reflected Sigmoid径向基函数重建温度场算法,结合病态矩阵广义逆矩阵求解,可有效避免子区域划分条件限制,弥补了经典算法的缺陷。通过仿真实验及对比,所提算法可降低5%的误差。     

对称拟定矩阵的性质

用矩阵分析的方法对对称拟定矩阵进行分析,得出了对称拟定矩阵的可逆性和强分解性,并用实例说明了强分解的不惟一性,指出可以用算法的稳定性来更好的对对称拟定矩阵进行强分解.最后,用扰动分析对扰动后的对称拟定矩阵的特征值的性质进行了初步的研究.     

基数余-亏与逆P-增广矩阵

利用逆P-集合的动态特征,改进普通增广矩阵概念,提出内逆P-增广矩阵,外逆P-增广矩阵与逆P-增广矩阵,给出它们的结构、生成与关系。利用基数余-亏与逆P-增广矩阵交叉,提出基数余值与内逆P-增广矩阵关系定理,基数亏值与外逆P-增广矩阵关系定理,以及基数余-亏值与逆P-增广矩阵关系定理,最后给出这些理论结果的应用。