最小范数在秩亏自由网平差中的应用

为了比较经典自由网平差与秩亏自由网平差解法的特点,本文在分析秩亏自由网平差方法的基础上应用最小二乘法和最小范数法对同一水准网进行了解算,结果表明最小二乘解不唯一,权逆阵也不唯一,但改正数唯一;最小范数解与最小二乘解的改正数相同且结果唯一。     

Banach序列空间lp(Xi)的范数k-粗性

目的研究Banach序列空间lp(Xi)的范数k-粗性。方法根据Banach序列空间lp(Xi)的范数粗性结果推广的方法。结果得到了其范数为k-强粗,k-粗与k-点态粗的几个结果。结论把lp(Xi)的粗性的结果推广到了k-粗性上。     

一类初等算子的范数

目的讨论B(H)上初等算子Δ(X)=AXB CX的范数。探求‖Δ‖=‖A‖‖B‖ ‖C‖(A,B,C≠0)成立的充要条件和‖Δ‖的下界。方法以正规极大数值域这一复数域上的紧凸子集为媒介,根据其定义及初等算子范数的性质推导。结果‖Δ‖=‖A‖‖B‖ ‖C‖(A,B,C≠0)成立的充要条件是‖A*C‖=‖A‖‖C‖且WN(A*C)∩WN(B)≠。并求出‖Δ‖≥supλ∈WN(B)‖‖B‖A -λC‖。结论得到有关初等算子Δ范数上界的一个充要条件,找到了初等算子Δ范数的下界。并且得到初等算子范数的一些推论。     

Banach格上的序连续范数算子

根据Banach格上的序连续范数算子的等价定义,在定理(I)的基础上,进一步得出了在某些Banach格上序连续范数算子、L-弱紧算子及M-弱紧算子的一致性．同时认为序连续范数算子的对偶算子也是序连续范数算子．从而系统地阐述了L-弱紧算子、M-弱紧算子、序连续范数算子及其对偶算子之间的本质联系。     

基于对数全变分极小化的张量补全

在张量补全问题中,低秩性与局部光滑性是被高频使用的先验信息,因此有许多与其相关的研究.而且为了更精确地恢复图像,低秩性正则与编码局部光滑性的全变分正则往往会被以简单加权组合的方式引入相关模型.但许多真实图像往往同时具有低秩性与局部光滑性先验信息.此外,在这些模型中张量核范数常被用于挖掘低秩性先验,但它平均地缩小所有奇异值,从而不能很好地保留图像信息.为此,提出了张量对数相关全变分（TLOGCTV）正则,其中使用了张量对数范数而不是核范数,从而更好地挖掘低秩先验信息,同时,使用全变分刻画局部光滑性先验信息.而且相较于简单加权组合方式引入正则的模型,所提出的模型仅需要一个平衡参数.随后基于该正则项建立了相应的张量补全模型,并且给出该模型的优化求解算法.在多光谱与高光谱上的一系列实验验证了模型的有效性.     

扰动双参数C半群的直接范数连续性

在Banach空间上,根据双参数C半群的扰动定理,证明了若由算子A生成的双参数C半群是直接范数连续的,且当存在一个有界线性算子B,使得由算子A+B生成的双参数C半群是直接范数连续的。     

结合流形结构与柔性嵌入的多标签特征选择

将线性回归模型与流形结构相结合,构成了弱线性多标签特征选择的联合框架。首先,用最小二乘损失函数来学习回归系数矩阵;其次,通过标签流形结构来学习数据特征的权重矩阵;再次,用L2,1-范数来约束回归系数矩阵和特征权重矩阵,这样既能引导稀疏性,又有利于特征选择。此外,设计并证明了具有收敛性的迭代更新算法来解决上述提出的问题。最后,所提出的方法在多个经典多标签数据集上进行了验证,实验结果表明了所提算法的有效性。     

一类修正的Kantorovich算子在Orlicz空间内的逼近

利用光滑模、K-泛函及不等式技巧,在Orlicz空间中讨论了一类Bernstein-Kanntorovich算子的逼近性和收敛性,得到了关于逼近性的几个定理.     

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。