大型结构动力特性的Lanczos算法程序设计

本文针对大型结构动力分析中结构总体刚度矩阵的对称性和稀疏性,使用稀疏矩阵数据管理方法实现并优化了Lanczos算法,显著地降低了Lanczos算法的时间和空间复杂度,并将该算法应用到大型结构动力学特性计算问题中经算例测试表明了该算法实施的正确性、可靠性和实用性．     

大型结构动力特性的Lanczos算法程序设计

本文针对大型结构动力分析中结构总体刚度矩阵的对称性和稀疏性,使用稀疏矩阵数据管理方法实现并优化了Lanczos算法,显著地降低了Lanczos算法的时间和空间复杂度,并将该算法应用到大型结构动力学特性计算问题中经算例测试表明了该算法实施的正确性、可靠性和实用性．     

基于稀疏矩阵存储结构的H-矩阵迭代判定算法的实现

本文针对文献[1]中的H-矩阵迭代判定算法,提出了适用于此算法的稀疏矩阵的存储结构,并用C语言实现了基于该存储结构的稀疏—矩阵判定算法.运用该存储结构的迭代算法判定大型稀疏矩阵节省了存储空间,提高了运算速度.     

求解大型稀疏线性方程组的加权拟极小残差算法

拟极小残差算法(QMR)是基于Lanczos双正交化过程的求解大型稀疏线性方程组的一种Krylov子空间方法.为了加快其收敛速度,采用加权技术,将QMR算法中的普通Euclidean内积用D-内积来代替,构造得到加权Lanczos双D-正交化算法,在此基础上得到加权拟极小残差算法(WQMR).数值算例表明,对某些矩阵特...     

反对称矩阵特征问题Lanczos方法的逼近性质

1 反对称矩阵的 Lanczos 方法廉庆荣,金志英等讨论了中小型实反对称矩阵的全部特征值、特征向量的求解问题。作者也曾给出了反对称矩阵特征求解的简单 Lanczos 方法,它特别适合于大型稀疏反对称矩阵特征问题的求解,但没有给出更详细的讨论。本文讨论求解反对称矩阵特征问题 Lanczos方法的逼近性质。     

关于实对称带状矩阵逆特征值问题的广义Lanczos算法

针对实对称带状矩阵的逆特征值问题,提出了一种新的能适应重特征值逆问题算法-广义Lanczos算法.它是在块Lanczos算法、拟Lanczos算法的基础上的进一步扩张,通过实际计算验证,该算法简单且数值稳定.     

阻尼LSQR算法在多波地震反演中的应用

多波VTI介质AVA储层参数联合反演的关键是解Jacobi矩阵。本文从Lanczos迭代出发,结合双对角化和QR分解,推导出了阻尼Lanczos算法流程。通过比较SVD算法和LSQR算法,显示了阻尼Lanczos算法在效率和精度方面的优越性。该算法应用于多波地震勘探资料反演中,获得的目标层储层参数:纵波速度、横波速度和密度,证明了该算法的有效性。     

一种基于C++语言的PCCG算法

介绍了一种解大型复数稀疏矩阵方程组的预处理共轭梯度（ＰＣＣＧ）算法,把它运用于大型三维涡流场的计算中,通过Ｃ＋ ＋ 语言实现．首先利用Ｃ＋ ＋ 语言的特点,构造了一种新的大型复数稀疏矩阵的存储格式,然后给出了基于该存储格式的ＰＣＣＧ 法的数值算法．实例表明,该算法具有一定的实用性．     

一种实用快速非负矩阵分解算法

提出了一种基于快速非负矩阵分解算法的实用新算法.该实用快速非负矩阵分解算法扩展了快速非负矩阵分解算法的约束条件,并且保持了较高的收敛速度,更具一般性和实用性.然后对该新算法进行了一些稀疏非负矩阵分解的扩展应用.数值实验显示该实用快速非负矩阵分解算法和快速非负矩阵分解算法具有相近的收敛速度,与其他经典非负矩阵分解算法相比其收敛速度有明显的提高,同时对添加稀疏性约束条件的实验也有很好的效果.     

解反对称矩阵特征问题的精化广义Lanczos方法

利用广义Lanczos算法,提出了一种计算反对称矩阵特征问题的广义Lanczos方法,并根据精化策略给出了求解大规模反对称矩阵部分特征对的精化广义Lanczos算法,数值实验表明精化变形需要的迭代次数更少.     

Optimized XML Storage in NXD Based on Tree-Structure Disassemble

Independent XML storage based on XSD （XML Schema Document） is adopted in NXD（Native XML Data base）, XMI. storage structure based on tree-structure disassemble and the algorithm used in dynamically updating XML document are provided in this paper. The main idea is that in term of data model of XML document, XML document is parsed to Document Structure-Tree with Hierarchical Model and Leaf-Data with Relation Model for storage. Simultaneously Proxy node is imported in order to solve the problem that XML data store in cross-blocks. And with XSD model information, sparse index is constructed to save storage space. It is proved that this storage structure could improve efficiency of XML document operation.     

基于二进神经网络的稀疏编码架构的图像无损压缩新方法

视频图像的高效无损压缩在海量的航空和遥感图像传输、珍贵的文物信息的保存等方面具有重要的应用价值,而目前的研究热点主要针对有损压缩,为此通过对现有的无损压缩方法的分析和研究,提出一种在稀疏编码与二进神经网络相结合的框架下建立新的图像无损压缩方法.首先借助二进神经网络中的线性可分结构系建立冗余字典,获得有效的稀疏分解基;再借助二进神经网络学习算法将图像映射为以线性可分结构系为神经元的二进制神经网络,在此基础上建立相应的模式匹配算法将每个神经元与冗余字典简历映射关系,通过稀疏系数建立原始图像的编码形式,进而实现了图像的无损压缩,并从理论上分析了该方法可以有效地提高压缩比,最后通过实验验证了该算法的有效性和通用性.     

基于信号结构重构的UWB稀疏信道盲估计

针对跳时脉冲位置调制的超宽带（ultra wideband based on time hopping pulse position modulation,TH-PPM UWB）通信系统,提出一种新的稀疏信道盲估计算法。该算法首先对信号结构进行重构,把发射信号与信息符号之间的非线性模型转换为线性模型,简化了信号处理难度;然后基于重构后的线性模型,推导出接收信号一阶统计向量与信道向量之间的关系,结合UWB信道的稀疏特性,估计出UWB信道参数,避免了无谓的抽头估计,提高了估计精度。仿真结果表明：新算法的均方误差（mean squared error,MSE）性能优于基于一阶统计量的盲信道估计算法,其BER性能也仅比理想信道差约1 dB。     

数据密集型计算环境下离群点挖掘算法设计与实现

在数据密集型计算环境中,数据具有海量、高速变化、分布存储和异构等特征,对数据挖掘算法的设计与实现提出了新的挑战.基于MapReduce模型,提出了一种网格技术与基于LOF方法相结合的离群点挖掘算法MR_LOF.Map阶段采用网格进行数据约简,将代表点信息发送给主节点;Reduce阶段使用基于密度的离群点挖掘算法,借助网格期望值E筛选出稠密区域.该算法只需计算稀疏区域对象的LOF值,降低了算法的时间复杂度.实验结果表明,在数据密集型计算环境中,该方法能有效的对离群点进行挖掘.     

FCNN深度学习模型及其在动物语音识别中的应用

为解决使用语音信号准确识别动物以保护和研究野生动物的问题,提出一种全连接算法与稀疏连接算法相结合的全卷积神经网络(FCNN: Fully Convolutional Neural Network),用于语音的自动识别.利用全连接算法提取更多的组合特征,稀疏连接算法筛选重要特征可加快收敛速度.同时给出了具体的模型结构及算...     

稀疏矩阵文档图像处理

讨论基于稀疏矩阵的文档图像存储及处理方法 .采用三向量法或链表法表示稀疏图像 ,然后在稀疏域直接实现某些基于临域运算的图像处理算法 .分析表明 ,对于具有显著特征的文档图像能有效地节省存储空间并提高计算效率 .以卷积运算和一种文档图像处理运算为例 ,给出实验结果     

图像分类中多流形上的词典学习

传统的基于稀疏编码的图像分类算法没有考虑不同特征之间的关系。针对这一不足,该文提出了一种新的词典学习算法。该算法考虑特征所处的多个流形空间上的拓扑结构,并显式地对其进行建模,然后将该模型嵌入到稀疏编码算法中构造多流形上的词典优化目标函数。为求解该优化问题,还提出了使用坐标下降的方法,同时给出了收敛性分析。在图像分类3个基准数据集上的实验结果表明,提出的算法分类性能超过了基于传统稀疏编码的算法。这也进一步证明了该算法的有效性。     

基于联合稀疏模型的OFDM线性时变信道估计

为了进一步提高OFDM线性时变信道估计性能,利用信道抽头的时域稀疏特性和相关性,提出一种基于联合稀疏模型的信道估计方法.首先,将线性时变信道模型下对连续多个符号周期的信道估计转换成一个联合稀疏重构模型;其次,采用基于测量矩阵互相关性最小化的分组导频设计准则,在应对子载波干扰的同时,保证了稀疏重构算法的性能;最后,设计一种基于循环并行树的分组导频优化算法.仿真结果表明:与传统线性时变信道估计方法和联合稀疏模型下的信道估计方法相比,所提方法所需导频数量少,信道估计性能更好,同时便于工程应用.