矩阵Fan积和Hadamard积的特征值界的新估计

给出非奇异M-矩阵A和B的Fan积AB的最小特征值下界和非负矩阵A和B的Hadamard积A·B的谱半径上界的新估计式,这些估计式都只依赖于矩阵的元素.数值例子表明,新估计式在一定条件下改进了现有的结果.     

基于黑洞算法的LSSVM的参数优化

采用黑洞(BH)算法对最小二乘支持向量机(LSSVM)的惩罚系数C及径向基核函数参数σ进行搜索优化,提高LSSVM的预测性能.黑洞算法模拟自然界黑洞,吸引一定范围内的星体向其运行并吸收它们;算法在运行过程中,始终保持黑洞为最优解,通过星体的运行搜索整个空间.通过基于黑洞算法的LSSVM和基于粒子群(PSO)算法的LSSVM实现对二维函数的预测,并对二者进行了仿真研究.仿真结果证实,黑洞算法可以更好地实现LSSVM参数的优化搜索,且基于黑洞算法的LSSVM方法具有更高的预测精度.     

种-面积曲线三种扩大样地面积的方法比较

本文以雾灵山低山区的人工油松林为例,对种-面积曲线确定植物群落最小面积时,随机设置不同面积样方、逐步扩大样地面积和随机相同面积小样方相加的三种扩大样地面积的方法进行了比较研究.随机设置不同面积样方的方法最佳,研究样地人工油松林群落最小面积为700~750 m2.种-面积曲线的最佳拟合方程为S=6.217 8×ln(2.298 0×A+1),最小面积的最佳拟合方程为A=﹛eSt6.2178-1﹜/2.2980.植物群落最小面积的确定应充分考虑群落的组成、演替等情况,应适当动态调整最小面积值.     

酿酒酵母基因组的研究进展

酿酒酵母(Saccharomyces cerevisiae)是第一个完成全基因组测序工作的真核生物,目前在结构基因组学、功能基因组学、模式生物、最小基因组、比较基因组学等方面的研究已经获得了重大的进展,为人类更深入地研究高等生物基因组打下了坚实的基础。本文将从这几个方面着手对酿酒酵母基因组的研究进展进行综述。     

四面六边透水框架减速效果因素分析

通过查阅相关资料,运用控制变量法、相关回归分析、最小二乘法、曲线拟合等方法,辅以Eviews6,Ee-cd等软件对收集到的数据进行合理分析和处理,并对框架群的长度、架空率和框架尺寸这三个因素中的任意一个与框架减速效果之间的关系建立不同的模型,并且把这些参数理论化,探析影响四面六边透水框架减速效果因素,以便为更经济的达到减速的更好效果提供依据。     

矩阵方程AXB+CYD=E的双中心最小二乘问题

利用矩阵的Kronecker积、列拉直算子和Moore-Penrose广义逆,讨论矩阵方程AXB+CYD=E的双中心最小二乘问题,得到双中心极小范数最小二乘解和对称双中心极小范数最小二乘解的表达式,给出求双中心极小范数最小二乘解的数值解法和数值例子.     

基于最小二乘法的无监督支持向量机

将最小二乘支持向量机的思想引入无监督学习,提出一个最小二乘无监督支持向量机.首先假设超平面过样本中心点,再给出线性可分的条件构造目标函数和约束条件,从而得到一个线性规划问题去求解聚类问题.     

基于加权整体最小二乘的多元线性回归分析

针对变形监测数据中自变量和因变量观测向量都含有误差、且采用一般最小二乘估计是有偏的这一问题,引入EIV模型,并顾及各自变量观测精度的不同,采用加权整体最小二乘对待估参数进行估计。长江三峡库区滑坡监测实验表明,基于加权整体最小二乘的多元线性回归分析能更好地对回归方程进行参数估计,可明显提高形变预测精度。     

基于小波多分辨率分析的结构时变参数识别

利用小波多分辨率分析将结构的时变参数在多尺度上展开,截断高频细节成分,仅由展开的低频成分来近似描述时变参数(阻尼和刚度),将结构时变参数识别问题转化为时不变小波系数估计问题.基于Akaike信息准则(AIC)来优化确定各时变参数的小波分解层数.分解的小波系数采用最小二乘求解得到,为减小方程的病态问题,对模型进行Tikhonov正则化,然后重构识别出结构的时变参数.建立了一个三层剪切框架时变结构模型验证该方法的有效性.识别结果表明,该方法可以有效识别结构时变参数,时变刚度比时变阻尼识别效果更好,抗噪性更高.     

空间索面悬索桥成桥线形的Marquardt修正最小二乘法计算

空间索面悬索桥线形计算由于吊杆和主缆的相互耦合而非常复杂,采用传统的影响矩阵法收敛困难.基于Marquardt修正的最小二乘法,为空间索面悬索桥线形计算提出一种新的解析算法,编制了相应的Matlab程序,并以某三跨空间索面悬索桥为例进行了验证.结果表明:此方法较影响矩阵法收敛精度高,对初值要求低,具有明显的优越性.