空域递归算法Ⅱ及用于图象恢复的研究

该文在考虑二维图象失真满足二维联立自回归（ＳＡＲ）模型基础上，提出自适应空域递归算法Ⅱ（ＳＡⅡ）。该算法与ＳＡⅠ算法不同，ＳＡⅠ为逐行迭代，每次修正所有的参数，而ＳＡⅡ逐点迭代，但每次只修正１组参数。ＳＡⅡ的收敛速度并没有因此而损失，但运算量大大减少，且稳定收敛，数值稳定性好，对背景噪声不敏感。研究用ＳＡⅡ实现图象滤波的方法，用计算机进行仿真，对结果进行总结分析。     

求解单调变分不等式的一类迭代算法

给出了求解单调变分不等式的一类迭代算法．通过解强单调变分不等式子问题，产生一个迭代点列，该迭代点列收敛到变分不等式的解．最后，给出了这类新算法的收敛性分析。     

不假定凸性和精确线搜索时DFP算法的收敛性

对非凸目标函数,Broyden变尺度算法的收敛性是一个没有完全解决的问题.针对DFP修正公式证明在不假定精确线搜索条件下,对光滑的目标函数,当DFP算法得到的点列收敛时,该点列一定趋向于稳定点.指出对于其他Broyden算法结论都是成立的.     

可积选择集列的Fatou型引理

给出了可积选择集列的几个Ｆａｔｏｕ型引理，证明了可积选择算子与Ａｕｍａｎｎ积分算子在几种收敛意义下保持连续性．     

基于修正传播算子的宽带相干源DOA估计

将数据共轭重构的修正托别列兹方法（MTOP）引伸到宽带传播算子算法中，提出了修正的宽带传播算子DOA估计算法，从理论上论证了这种引申的合理性．通过理论分析和数值仿真，证明该算法在快拍数有限和低信噪比的情况下，可明显提高信号DOA估计的性能．在不增加运算量的条件下，该算法性能优于OPM算法．     

基于高斯基函数CMAC模型的一种快速算法

广义小脑模型（ＣＭＡＣ）在函数泛化能力和函数逼近能力方面优于基本ＣＭＡＣ模型，但算法较为复杂，实时性差．因此，研究广义ＣＭＡＣ模型的快速算法，对于满足实时控制是非常必要的．文中研究了基于高斯基函数的广义ＣＭＡＣ模型的快速算法，定义了包含待学习样本点的一个超立方体子空间，提出了基于该超立方体子空间的快速学习算法．通过算例仿真表明，学习算法收敛速度较快，可以满足实时控制要求．     

基于量化修正的低复杂度LDPC译码算法

为进一步降低基于可靠度的(Low Density Parity Check, LDPC)译码算法复杂度,提出一种基于量化修正的低复杂度LDPC译码算法,该算法在对信道信息预处理时引入量化信息修正处理策略,从而避免在译码迭代过程中进行译码信息修正处理操作,在保持译码性能的同时,较大幅度地降低译码复杂度。针对均匀和非均匀量化方案,本文实现了基于修正系数的均匀量化和基于列重修正的非均匀量化两种译码方案。仿真实验结果表明,所提出的两种译码方案在算法复杂度明显较低的情况下,仍然与MRBI-MLGD译码算法具有相同的译码性能与收敛速度。特别地,在基于列重修正的非均匀量化方案中,只需3-4 bits的低比特量化即可达到均匀量化中高比特量化(8 bits)相同的迭代次数和误比特率性能。     

二次规划的Q－平方收敛算法

本文提出一个解二次规划的修正步长牛顿法，它保证迭代点列在严格可行解集内。并且保持牛顿法的Ｑ－平方收敛速度，每步的计算量为Ｏ（ｎ￣（２．５））个运算。     

一类Bundle型分解算法(英文)

给出一个修正的分解算法和一类Ｂｕｎｄｌｅ分解算法,并且证明了算法的全局收敛性和线性收敛速度．     

关于对BP神经网络算法改进的研究

为了减小标准BP算法中迭代次数并提高其收敛速度，现提出将负梯度下降法与DFP变尺度算法相结合进行权值修正的方法．在误差寻优初期，首先采用标准BP算法进行迭代，每迭代一次的工作量较小、所需存贮量较少，义对初始点的要求不高．然后，当寻优过程开始接近最优时，更改寻优算法，即使用DFP变只度算法．最后，运用MATLAB工具箱和VisualBasic实现算例．实验结果表明；改进后的BP算法减少了迭代次数，提高了寻优的收敛速度．     

最速下降法和共轭梯度的混合算法及全局收敛

将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性.这种混合优化算法结合了共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了目标函数的等值线是扁长椭球时,最速下降法下降缓慢的问题,具有收敛速度快、收敛范围大、适应面广等特点.文中的算法实例表明,混合算法与单纯的共轭梯度法相比,效果更优.     

基于共轭梯度法和最速下降法的非线性测量数据处理

将共轭梯度法与最速下降法有机结合起来，构造出一种解决非线性测量数据处理问题的新方法——混合算法。这种方法充分利用了共轭梯度法和最速下降法良好的收敛优点，既提高了共轭梯度算法的收敛速度，又解决了目标函数“性态不优”时，最速下降法难以解决的问题。文中的算例结果表明，混合算法与单纯的共轭梯度法或最速下降法相比，具有收敛速度快、收敛范围大、适应面宽等特点。     

关于含参量广义积分一致收敛性的教学研究

对含参量广义积分的一致收敛性给予讨论,从一致收敛的定义出发给出一致收敛的充要条件,以及判断一致收敛的柯西判别法、微分法和级数判别法,并给出证明和运用实例.     

关于FR方法与PRP方法收敛性定理的注记

对FR方法Al Baali收敛性定理及PRP方法Polak Ribiere收敛性定理进行了推广 .     

求解非线性随机延迟微分方程加权格式的收敛性

通过研究加权格式用于求解非线性随机微分方程的收敛性,利用随机变量服从正态分布的性质,得到了在噪声为乘性噪声时,加权格式用于求解非线性随机微分方程均值意义上的局部收敛阶为2,均方意义上的局部收敛阶为1,强收敛阶为1.     

关于拟牛顿法求解等式约束优化问题的超线性收敛条件

拟牛顿法是求解约束优化问题的有效方法之一,许多作者在理论上讨论了此类算法的全局收敛性和收敛速度,但关于收敛速度的条件讨论较少．Ｂｏｇｇｓ等人给出了一个拟牛顿方法求解等式约束优化问题的超线性收敛的充要条件,但假设条件较强．本文利用分析和代数的技巧,在较弱的条件下证明了该算法的超线性收敛的充要条件仍然成立．     

关于用Legendre配置方法求解第二类积分方程的问题

主要讨论了用Legendre配置方法求解第二类积分方程的数值解问题.首先我们选择Legendre多项式为基底,然后估计了逼近解的收敛性.我们证明了逼近解的收敛阶仍然保持最优.最后用数值例子验证了我们的方法的有效性.     

论加权残值法之配点法的收敛性问题

对加权残值法(MWR)之配点法的收敛性问题进行了讨论。建议在近似计算中采用“准收敛准则”判断近似解的收敛性。指出配点法不能保证准收敛。同时分析了这一缺陷是引用狄拉克(Dirac)δ函数作权函数所导致的。     

预条件AOR迭代法的比较定理

讨论了预条件AOR迭代法的收敛性,并给出了关于预条件AOR迭代法和经典AOR迭代法的谱半径的比较,证明了文章所提出的预条件迭代法提高了经典迭代法的收敛率.