基于MQ-RBF-FD求解对流扩散方程的二阶算法

提出一种新颖的二阶算法求解对流扩散方程，空间离散使用多二次元局部的径向基函数（MQ-RBF-FD）方法结合维数分裂方法，时间离散采用交替迭代格式结合二阶向后微分（BDF2）方法。找到合适的迭代数目，选择最优的形状参数c,最终获得高阶精度。提供了2个数值例子，验证了二阶算法的合理性和可行性。     

二阶离散方程边值问题的加速单调迭代方法

对一类二阶离散方程边值问题提出了一种加速单调迭代方法,这种方法给出了解的存在比较定理及计算算法,解的单词性改进了解的上解与下解,根据非线性函数的性质迭代具有二阶或几乎二阶的收敛率,数值结果显示了迭代序列的单调收敛性及迭代的收敛率.     

稳定性可保证二阶格式在多重网格中的有效性和经济性

基于一种稳定性可保证的二阶差分格式（SGSD），对SIMPLE算法实施了完全多重网格循环以加速外迭代的收敛．采用规正变量的方法实施了SGSD．通过对二维顶盖驱动流动的计算，分析了多重网格在SIMPLE算法中的收敛特性．计算结果表明：SGSD格式具有与其他高阶格式及高阶组合格式相同的计算精度，且收敛速度优于其他高阶格式，在雷诺数较高时（Re=3000），其收敛速度是二阶迎风格式的1．77倍，是QUICK格式的1．37陪，同时在疏密网格层次上均可以保证计算的稳定性；采用多重网格加速SIMPLE算法的迭代时，不仅要考虑多重网格的循环方式，还要考虑对流项的离散格式，在计算中SGSD格式具有明显的优势。     

一族具有四阶收敛的迭代算法

考虑求解非线性方程组F（x）=0的迭代解法。从一族三阶局部收敛的迭代算法及一个具有四阶局部收敛性的迭代算法出发,推导出一族具有四阶收敛性的迭代算法。适当选取系数,可以得到一个具有较小计算量的四阶局部收敛性的新迭代算法,该迭代算法避免了计算F（x）的二阶Fr&;#233;chet导数。     

变系数反应扩散方程的双参数分裂预处理方法

考虑一类空间变系数反应扩散方程的快速算法.针对二阶改进道格拉斯分裂时间离散所得线性代数系统，构造一类双参数交替分裂迭代方法.分析格式的收敛性，给出最优参数的取值，并获得相应预处理子.数值结果验证新方法的有效性及相比单参数分裂迭代格式的优越性.     

求解凸二次规划的一种二阶Mehrotra型预估一校正算法

给出了求解凸二次规划的一种二阶Mehrotra型预估一校正算法。该算法受Salahi等人对线性规划提出的相应算法启发,引入了安全步策略,保证了校正步步长有适当下界,从而具有多项式复杂性。由于算法迭代方向不正交,算法在罚参数的校正和复杂性的分析上有别于线性规划的情形。最后,通过一些新的技术性引理,证明了算法在最坏情况下的迭代复杂性为O（n^3/2log（x^0）^TS^0/ε）.     

改进的无约束化的BFGS算法

提出了一种改进的ＢＦＧＳ算法，该算法的基本思想是采用多步迭代改变一次ＢＦＧＳ算法的修正公式；在假设ｆ（ｘ）是二阶连续可微且一致凸的条件下，证明了该算法超线性收敛性；最后给出该算法的数值实验结果。     

结合粒子群算法的隐式Euler—Taylor方法

针对隐式Euler—Taylor方法在求解Ito型随机微分方程时得到的迭代格式往往是一个高度非线性的代数方程（组）的问题，应用粒子群算法实现该迭代格式，给出了结合粒子群算法的隐式Euler—Taylor方法．     

二阶锥规划的原始-对偶不可行内点法

针对二阶锥规划问题,给出了一种新的原始-对偶不可行内点法,利用该算法只需迭代O（槡nlnε-1）次就可找到问题的ε-近似解。该算法不要求初始点及其迭代点的可行性,只要求所有迭代点位于不可行中心路径的某个邻域内。初步的数值实验表明本算法是有效的。     

一类离散非线性动态系统优化控制算法

本文针对模型与实际存在较大差异的情况，提出了一种基于模型来求解离散非线性系统的优化控制算法。通过扩展模型和实际的状态方程，将差分方程转化为代数方程，得到动态参数估计和系统优化集成（ＤＩＳＯＰＥ）的迭代算法，经过若干次迭代，获得实际动态系统的最优解。在较弱的条件下，证明了该算法的收敛性和最优性。仿真例子说明了该算法的性能。     

基于连续数据量化的声纳传感器数据识别方法

为了有效识别声纳信号,提出一种基于连续数据量化的声纳传感器数据识别方法。首先用声学传感器采集数据;其次运用数据离散化方法,有效地将采集到的数据进行连续数据离散化;最后,通过数据挖掘技术(C4.5/C5.0决策树、SVM和Naive-Bayes分类器)对离散后的声纳信号数据进行分类识别。实验首先在UCI数据集上进行Naive-Bayes分类预测来评价提出离散化方法的性能,得到了较好的效果。其后,通过声学传感器收集到的Sonar数据集进行实验。结果表明,新的离散化方法提高了四个分类器的识别精度,表明该声纳传感器数据识别技术是非常有效的。     

基于遗传算法和变精度粗糙集的离散化算法

目前常用的离散算法多为单属性离散化算法.利用该类算法对多维连续属性进行离散化时,逐次对单个属性进行离散化,割裂了多维属性之间的关系.基于此提出了一种基于遗传算法和变精度粗糙集的多属性离散化算法.该算法基于变精度粗糙集所具有的较好数据分类容错和抗噪能力,通过变精度粗糙集近似分类精度建立遗传算法适宜度评价函数,并利用遗传算法在多维连续属性候选断点集上寻找最优断点子集.基于UCI数据集比较了所提算法与多种常用的离散化算法的差异,实验结果表明,该算法可以获得相对较好的离散化效果.     

有限元可靠度分析中随机场离散方法

用随机场模型描述随机结构参数的空间变异特征 ,讨论了可靠度随机有限元分析中随机场的离散方法。提出了选择随机场离散方案的 4个基本要求 ;利用线性回归理论建立基于优化的随机场离散方法。该文采用的离散方法独立于有限元的单元离散过程 ,并适用于非正态随机场。分析表明 :线性回归理论建立的随机场离散方案比其他方法有更大的灵活性和更高的效率     

分数阶控制系统微积分数值实现——分析与比较

介绍并对比了两种分数阶微积分的直接离散化数值实现方法：连分式展开（CFE）方法和递归Tustin方法。这两种方法都是采用直接离散方法得到近似模型，且都是得到具有最小相位的稳定系统。在频域里对这两种分数阶离散方法对比结果表明：CFE求解方法要优于递归Tustin方法。论文最后通过实例给出了仿真验证。     

知识发现过程中连续属性离散化方法研究

在综合分析知识发现过程中连续属性离散化方法的基础上，提出了一种基于全局聚类分析来处理连续属性离散化问题的方法。实例验证结果表明该方法对知识发现过程中连续属性离散化的划分更为合理。     

一类相场方程的能量稳定性分析及数值模拟

提出一种快速、 稳定的数值方法求解具有恒定迁移率的二维Cahn-Hilliard方程. 在空间离散上采用二阶有限差分方法, 在时间离散上采用Crank-Nicolson方法, 从理论上证明离散能量随时间发展具有耗散性质. 针对全离散格式下的非线性代数方程组, 应用不动点迭代方法求解, 并利用快速离散余弦变换(FDCT)以提高计算效率. 数值实验结果表明, 离散自由能关于时间是非递增的, 该方法具有稳定性好、 存储量小、 计算速度快等优点.     

广义Rosenau方程的有限元方法

本文对于广义的Rosenau方程提出了全离散Galerkin有限元格式,证明了此格式的有限元解的存在唯一性,并导出了误差估计,最后给出了数值算例验证了此方法的可靠性与有效性.     

序列运算离散化过程中的误差成因及补偿

为了减少序列离散化过程导致的误差,提出几种概率补偿的方法。由误差的成因入手,分析了离散化过程的误差机理,将利用随机变量的概率分布函数离散化后所得序列,分别以修正公式、平均补偿法及比例补偿法进行补偿,推导出各种误差补偿方法下序列期望值及方差的误差估计公式。结果表明:经误差补偿后,算例中序列期望值误差下降为原误差的8%以下,而方差误差至少可降为原误差的91%。     

离散化方法在基于粗糙集焊接建模中的比较

粗糙集建模方法是一种新的且重要的焊接过程建模方法,离散化是粗糙集建模方法中一个必要且重要的步骤.针对已有离散化方法众多、难以取舍的特点,讨论并确立了焊接建模过程中离散化方法的选择标准.以低碳钢的脉冲钨极氩弧焊为背景,针对相同的建模数据,采用除离散化外相同的粗糙集建模步骤,并以十折交叉确认法为验证方法,对比不同离散化方法对焊接粗糙集模型的预测能力的影响.实验表明,基于熵的离散化方法更加适合焊接过程的粗糙集建模.最后,探讨了基于熵的离散化方法的参数选择.