MKLasso模型的算法与模型选择

在KLasso模型基础之上,引入多核函数与多核参数重新建立的一种更为广发的非线性的多核KLasso模型（MKLasso模型）,采用基于梯度Boosting的思想的算法进行求解,并依据人类观察事物的一个基本特征,即人眼位于数据空间较近时能够看清细节,较远时只能够看清整体结构的特性设计了一种模型选择策略,通过实际的3个数据集设计6组试验,来验证该算法的有效性。模拟试验结果表明：MKLasso模型的预测能力明显优于KLasso模型,其预测均方误差提高了10倍;该算法运行高效,抗噪声能力强,在参数选择方面又有一定自己的优势,可以直接选择核参数,算法大大降低了调试与运算时间。     

严格对角占优M-矩阵的逆矩阵的无穷大范数上界改进的估计式

设A为严格对角占优的M-矩阵,首先仅利用矩阵A的元素给出A-1的元素新的上界估计式,其次利用这些估计式给出了■A-1■∞新的上界估计式,并由此给出了A的最小特征值q(A)下界的估计式。这些新的估计式改进了已有的结果。     

一种适用频谱检测技术的最小l1范数改进算法

压缩感知(compressed sensing)理论是近两年信号处理领域方兴未艾的一个热门研究方向,它的出现突破了奈奎斯特采样定理对信号频率的限制。最小l1范数法(即BP算法)是压缩感知中信号若干种重构方法中比较成熟的一种算法。文中在对已有的BP算法进行了研究后,提出了一种适用于噪声环境下的加权迭代l1算法,并将之应用于认知无线电的频谱感知中,经过MATLAB仿真的对比后,验证了改进之后的算法对提高含有高斯白噪声的信号重构的精确度有着更加精确的效果。     

Musielak-Orlicz空间的K(x)≠Ф问题

要将K(x)=Ф的一个充分条件改进为充分必要条件,由此推得空间每点皆为有K点或无K点的判别准则.     

空间RD_x〔0,1〕上绝对可和算子的特征

本文给出了ＲＤｘ〔０，１〕到Ｂａｎａｃｈ空间Ｙ的连续线性算子的表示，从而刻划了可和算子．     

几类基于Cauchy矩阵的变系数线性差分方程组的稳定性条件

讨论了几类变系数线性差分方程组的Cauchy矩阵的表达式和它的范数估计式，以此为基础给出了时变系数线性差分方程稳定性的若干充分条件。     

非负矩阵乘积的谱半径与无穷范

众所周知，对于矩阵A的任意范｜｜A｜｜，都有谱半径ρ（A）≤｜｜A｜｜。特别的，考虑其无穷范｜｜A｜｜，当ρ（A）〈｜｜A｜｜∞。且ρ（B）〈｜｜B｜｜∞时，我们一般不能得出ρ（AB）〈｜｜AB｜｜∞；但是对于两个二阶非负矩阵，本文给出了一个完整的结果，通过三个定理，完全弄清了ρ（AB）与｜｜AB｜｜的关系。     

凸集和压缩算子

本文用范数来分离有界凸闭集和点并给出了压缩算子的一些性质。     

Orlicz空间中指数型整函数逼近的逆定理

研究多元Ｏｒｌｉｃｚ空间中指数型整函数逼近的逆问题，证明了逆定理。     

对称正交对称矩阵反问题的最小二乘解

讨论了对称正交对称矩阵反问题的最小二乘解，得出了解的表达式。