关于积分变上限函数列一致收敛性的讨论

本文讨论了积分变上限函数列Fn(x)=φn∫(x)af(t)dt及Fn(x)=φ(∫x)afn(t)dt的一致收敛性。得出了当{fn(x)}在[a,b]上一致收敛于可积函数f(x)时,如果φ(x)有界;或{φn(x)}在[a,b]上一致收敛于φ(x),且φ(x),f(x)有界,那么{Fn(x)}在[a,b]上一致收敛的结论。     

一种线搜索下DY共轭梯度法的全局收敛性

利用王长钰等人提出的一种新型线搜索条件对Dai-Yuan非线性共轭梯度法进行了研究。根据这一新型的线搜索条件,结合DY共轭梯度法的方向计算公式,我们在文中提出了一个求解非线性无约束优化问题的算法。当搜索方向为下降方向时,给出了算法的全局收敛性结果及证明过程。     

线性模型参数M估计的强收敛速度

研究了线性模型中回归参数M估计的强收敛性，与《线性模型中的M方法》（陈希孺，赵林城，上海：上海科学技术出版社，1996）中相应结论比较，在一般性条件下获得了强收敛性的结果，而且，这里给出的条件对矩的要求有较大的改进。     

粘弹性方程各向异性有限元方法的超收敛分析

克服了传统有限元要求剖分网格满足正则假设(或拟一致假设)的限制,在一种新定义的各向异性网格———广义拟一致网格上,分析了粘弹性方程双线性有限元解的超逼近性质,并给出相应的超收敛结果。     

牛顿下降法收敛性的一种新证明

牛顿下降法xn＋1=xn-ωnf′^-1（xn）f（xn）是求解非线性方程f（x）=0的一种经典的迭代法,有必要研究其收敛条件,使其保持大范围收敛等优点．为了使其能够适应更多环境的需要,利用优序列方法,在一个更一般的条件下,选取了一个较为一般的下降因子序列{ωn},证明牛顿下降法的收敛性．该条件可表示为‖f′^-1（x0）f（x0）‖≤β,‖f′^-1（x0）f″（x0）‖≤γ,‖f′^-1（x0）（f″（x）-f″（y）‖≤∫^‖x-y‖ 0 L（u＋‖x-x0‖）du.而此条件比传统的Kantorouich型条件更具有一般的代表性,主要表现为不减的正的有界函数L（u）取值的灵活性,能够适应更多的环境．     

基于高斯混合模型的EM学习算法

本文研究了一类基于无监督聚类学习的算法——EM算法的算法实现．EM算法通常用于存在隐含变量时的聚类学习，由于引入了隐含变量，导致算法难以保证收敛和达到极优值．本文通过将该算法应用于高斯混合模型的学习，引入重叠度分析的方法改进EM算法的约束条件，从而能够确保EM算法的正确学习．     

无穷积分与瑕积分的一个关系

本文以反函数为工具,对无穷积分与瑕积分的关系进行研究,得到了无穷积分∫+∞af(x)dx收敛与瑕积分∫f(a) 0f -1(x)dx收敛互为充要条件的重要结果,并且利用该结果揭示了∫+∞a(1)/(x λ)dx与∫ba(1)/((x-a) λ)dx敛散性判别的参数取值的差异问题.     

遗传算法编码方式的应用及其改进算法的研究

重点介绍了遗传算法的编码方式,及其在最短路径问题中的应用,并结合现今的研究成果,简要地说明了改进遗传算法的研究方向.     

优化问题的序列线性方程组解法

拟牛顿算法是求解无约束优化问题的有效算法.序列二次规划方法是将拟牛顿算法应用于求解约束优化的推广与发展,它保持了拟牛顿算法的超线性收敛速度而成为约束优化的重要算法类.序列线性方程组方法则是它的进一步发展,目的在于每步求迭代方向dk时避免求解计算量较大的二次子规划.现在序列线性方程组方法仍在研究和发展,目的是简化算法结构、减少计算量,同时保持算法的优良性质.     

Lagrange乘数法的几何直观推导

从几何上，直观地介绍求解一类条件极值问题的Lagrange乘数法，显得很形象、易于理解。另外，用Lagrange乘数法求出的解不一定是条件极值问题的极小值解。利用二阶导数给出了用Lagrange乘数法求出的解是条件极值问题的极小值解的一个充分条件。用该条件判别，比用已有的方法判别简单易行。