单位圆到凸域的调和映射的Schwarz导数的范数

利用单位圆上的保向同胚调和映射的Schwarz导数范数的定义,研究了单位圆到凸域的调和映射的Schwarz导数的范数的性质,得到了单位圆到圆内接正六边形及正八边形的调和映射的Schwarz导数的范数。     

Lp(I,E)上的最佳联合逼近

设G是Banach空间E的自反子空间,Lp(I,E)(1≤p<∞)表示定义在区间I=[0,1]上且值域为E的所有p-Bochner可积函数构成的空间. 给出Rm(m≥2)上的一个范数N(·,…,·),其中N在集合R₊m上的每一坐标是非减的,证明Lp(I,G)是Lp(I,E)上的N-联合逼近.      

加权调和Bergman空间上Toeplitz与Hankel算子的本性范数

研究了圆盘上加权调和Bergman空间L2,αh(D)上符号在L2,α(D)中的Hankel算子和符号在L∞(D)中的Toeplitz算子的本性范数,利用Toeplitz算子、Hankel算子与紧算子集的距离,得到了非紧Toeplitz与Hankel算子本性范数的逼近公式.     

冲击噪声下基于Lorentzian范数的CSR参数估计

针对现有重构算法及其改进算法在压缩感知雷达(CSR)参数估计中存在的稳健性不强、适用性不广等问题,提出了一种适用于冲击噪声背景的鲁棒性算法——Lorentzian-ISL0(基于Lorentzian范数的改进光滑l0范数).建立CSR参数估计的稀疏线性模型,并基于Lorentzian范数和高斯函数稀疏正则化,构造冲击噪声下稳健的优化目标函数;修正优化目标函数的牛顿方向,并沿修正方向对估计值进行更新,直至收敛.仿真实验结果表明:与已有算法相比,本文方法计算复杂度更小,支撑集重构更精确,信号重构精度更高.     

关于Hermite矩阵的若干不等式

利用矩阵不等式的相关知识，以及Neumann不等式和已知的实数不等式，将2个简单的实数不等式推广到矩阵迹和范数领域，得到矩阵范数不等式的推广形式.     

基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

八种最小二乘SVM型学习算法的优势比较

我们知道,支持向量机(Support Vector Machine,SVM)型学习算法的计算复杂性和稀疏性对分析和处理大数据来说是非常重要的两个因素,尤其是对高维数据.学者们针对这两个因素做了大量的研究,提出了许多改进的SVM型算法,常见的有基于最小二乘技术的SVM型算法和孪生SVM型算法.它们当中,有些算法的出发点基本相同,但是求解方法上略有不同;有些算法有明显不同的出发点,其所构建的最优化模型也不相同.选取八个较具代表性的最小二乘SVM型算法,分析和比较它们之间的优势和劣势,以期读者更加深入的理解这类算法,且在应用于实际问题中时更具有选择性.     

L1范数下有噪信号恢复的误差估计

在压缩感知有噪信号恢复的研究中,引入新范数,获得L1范数最小化恢复的误差估计.结论只依赖于噪声本身,改进了压缩感知中已有的误差估计.     

Banach空间中非扩张映射的黏性逼近方法

借助Banach空间中非扩张映射的黏性逼近方法,在范数一致Gateaux可微的Banach空间中,提出一种改进的黏性迭代算法,证明了由该黏性迭代算法生成的序列强收敛于一类非扩张映射的不动点.推广了一些文献中的研究成果.