迭代过程的加速

对已知的Ｐ阶收敛的迭代函数进行加工，得到了一种高阶收敛的迭代函数，并给出了一个具体的数值计算实例。     

线性方程组的4种迭代方法

研究了线性方程组的4种迭代方法——Jacobi迭代、Gauss-Seidel迭代、HSS迭代、Richardson迭代,给出了4种迭代方法收敛的充分条件。数值实验进一步表明,在大规模线性方程求解时,迭代矩阵谱半径的大小决定算法的收敛速度;在谱半径小于1的前提下,谱半径越小,则收敛速度越快。     

论线性方程组迭代解法的收敛与加速

本文应用Ｓｈａｎｋｓ变换讨论了线性方程组的迭代求解问题，在一定条件下将发散的迭代序列改变为收敛的序列，并探讨了收敛的迭代序列的加速问题。     

基于不完全块循环约化的并行分裂迭代

对Ｍ阵用块循环约化后，给出新的分裂方式，该分裂构造的迭代收敛，其收敛速度比Ｊａｃｏｂｉ等一般迭代收敛快，且有很好的并行性。     

特殊形状矩阵的USSOR、SSOR迭代

本文假设系数矩阵A具有“性质(?)”,讨论USSOR、SSOR迭代的收敛性,给出了这两种迭代收敛的充要条件,同时给出了用2-块USSOR迭代和2-块SSOR迭代求解最小二乘问题的收敛域.     

一种新的GM(1,1)建模方法——迭代加速法

在GM（1，1）逐步优化直接建模方法的基础之上，得到了迭代的收敛速度，并由此得到了迭代－加速公式。在参数a较大时，迭代加速法具有收敛速度快等优点，弥补了原逐步优化直接建模方法收敛速度慢的缺陷。     

一种改善Turbo码选代译码收敛特性的方法

Turbo码可为数字通信系统提供接近信道容量的纠措能力，其迭代译码算法的收敛稳定性是算法能否实用的关键因素之一。针对短长度交织器对随机错误扩散能力弱带来的迭代收敛稳定性差的问题，在Turbo码的常用迭代译码方法的基础上加以改进，利用前后两次迭代序列的信息熵引入选代进步因子以发送迭代译码的收敛特性。给出了迭代步进因子的产生方法并进行了计算机仿真，仿真结果表明，该方法可有效改善短交织长度时Turbo码的迭代泽码收敛特性。     

非扩张映像Ishikawa迭代的稳定性及与Picard迭代的关系

得到了Ishikawa迭代过程的稳定性结果，并应用这个结果证明了如下结论：如果T在X中有惟一不动点p，且对任何初值x1∈D（T）及任意的非负整数m，Ishikawa迭代xn＋1=I（T，tn＋m，sn＋m，xn）均收敛于不动点p，当^∞∑（1-tn＋tnsn）＜＋∞时，对任何初值y1∈D（T），Picard迭代过程yn＋1=Tyn必收敛于不动点p．     

优化迭代的一种新的计算收敛准则

针对最优化问题迭代计算过程中算法收敛准则进行了总结、分析、讨论和改进，通过引入对分法提出了新的计算收敛准则。算例表明，本收敛准则具有更高的可靠性。     

关于求平方根的三种迭代序列的收敛速度及收敛渐近性

运用求解初等代数方程（不动点）的方法,建立了关于求平方根√a（a＞0）的分式线性迭代序列、牛顿迭代序列、哈雷迭代序列的收敛速度及收敛渐近性定理.     

Mann迭代和带误差的Ishikawa迭代的等价性

建立了Mann迭代和带误差的Ishikawa迭代收敛于T的不动点的等价性，其中T是一致连续强伪压缩映射。推广了已有的一些结果。     

解非线性方程的一类多参数迭代格式

基于Chebyshev-Halley 迭代公式,文章引入一个参数,给出了一类求解非线性方程的多参数迭代方法,该方法至少3阶收敛且在一定条件下4阶收敛,并且只需计算1阶导数,具有收敛速度快、计算效率高的特点,同时数值例子也证明了该迭代方法的优越性.     

一种基于线性分式函数的求根迭代法

一种基于线性分式函数的求根迭代法黄有度摘要＊本文给出一种基于线性分式函数的求根迭代公式，这是一种全局收敛的迭代方法，其收敛速率是二阶的，并具有可从方程的单根直接进行迭代的优点．关键词求根迭代公式，全局收敛，线性分式函数申回分尖子Ｏ２４１．７①０引言近...     

关于广义对角占优矩阵的迭代收敛性

文中给出了严格对角占优和不可约对角优矩阵的迭代性质，本文将减弱条件，讨论广义对角占优矩阵的迭代收敛问题，将其结论进行推广，得到相应的结果。     

分段迭代B-snake模型

传统B-snake模型以整体迭代为基础,已经逼近到目标的轮廓曲线仍要参加迭代计算,影响轮廓曲线的收敛速度。提出了一种改进的B-snake模型——分段迭代B-snake模型,它以分段迭代为基础,在迭代过程中只计算尚未逼近的轮廓曲线,直至所有的轮廓曲线均逼近目标轮廓。实验证明,与传统B-snake模型相比,分段迭代B-snake模型可以快速收敛到目标轮廓。     

方程求解中迭代法的使用

本文针对方程求解中常用的迭代方法,主要介绍了收敛迭代公式的构造过程,并通过举例加以说明.     

Banach空间中具误差的Ishikawa和Mann迭代序列的强收敛定理

在新的限制条件下，通过引入序列不等式证明了具误差的Ishikawa和Mann迭代序列的强收敛定理，并得出了Ishikawa和Mann迭代的强收敛定理．     

矩阵核心逆的表征与迭代

给出矩阵核心逆的表征与三种迭代格式,即Euler-Knopp迭代,Newton-Raphson迭代和超幂迭代.且研究各迭代格式收敛的充要条件和误差分析,并利用Frobenius范数给出迭代收敛的误差界.     

神经网络迭代学习控制快速算法的研究

研究了非线性系统的神经网络迭代学习控制问题，为了提高神经网络学习控制的收敛速度，改进了权值的迭代学习算法，提出了一种新的训练权值方法，它以递推的方法来计算网络权值，不仅能减少计算量且收敛速度快，最后，用仿真结果对该算法作了进一步的验证。     

关于Z算子的几种常见迭代序列收敛速度的比较

在一般Banach空间中对Picard,Krasnoselskij,Mann,Ishikawa,Noor迭代序列之间的收敛速度进行了比较.设E为任意Banach空间,D为E的闭凸子集,T:D→D为Z算子.对5种迭代序列收敛于不动点T的快慢进行了比较,证明了6个定理.