Banach空间中增生型变分包含解的具误差的Ishikava序列逼近问题

在Banach空间中研究一类增生型变分包含解的存在性及其具误差的Ishikava迭代程序的收敛性问题,对文献中相应结果进行了改进与推广.     

外信息在Turbo迭代译码中的使用研究

以易于工程实现的Log-MAP算法为基础，深入研究了两种不同的外信息使用方式：Berrou方案及Robertson方案，指出两种外信息使用方式具有统一性，不同的是迭代译码过程中对外信息使用权重的处理；在相同约束条件下对基于两种外信息使用方式的Turbo码性能进行蒙特卡罗仿真，结果表明Robertson方案从整体上要略优于Berrou方案。     

一种求解二维扩散方程的分块隐式方法

提出了一种求解二维扩散方程的分块隐式格式。它结合了古典显格式、古典隐式格式和Crank-nicolson格式，该格式具有明显的并行性、很高的精度、很好的稳定性。     

抽象二阶周期边值问题的拟上下解方法

利用比较结果，通过构造L-拟上下解的单调迭代过程，研究了Banach空间二阶周期边值问题解的存在性，并获得了该问题解的存在唯一性结果。     

BFGS算法实现的一种优化计算策略

BFGS算法是解无约束优化问题的公认的最有效的算法之一。针对BFGS算法的Hesse矩阵修正保持正定的特点,利用Chlolesky分解,对于算法中矩阵修正及确定相应的搜索方向的实现作了一定的分析和探讨,并导出了相应的计算公式,使得计算量下降了一个数量级,并且尽可能地保证了修正矩阵的正定性。     

基于混合隐Markov模型的红细胞计数方法

为解决红细胞的计算机自动识别问题 ,引入了混合隐 Markov模型对彩色细胞纹理进行识别 ,采用螺旋型采样方法 ,应用一维隐 Markov模型解决二维图像处理问题。选择不同的样本 ,以期望最大算法训练多个混合隐 Markov模型 ,利用它对图像进行纹理识别 ,以距离变换和分水岭算法进行分割计数。该方法在分类正确率和算法适用性上取得了比较好的结果 ,提高了制片质量。该方法对中等质量的红细胞照片进行计数能够取得 94 %以上的识别正确率。提出了对混合 Markov模型初值选取问题的一种改进算法 ,以提高计算效率和算法鲁棒性     

动节点对自适应接触边界元法

Kamiya提出的弹性接触问题边界元分离解法和申光宪、陈一鸣、刘德义等引入最优罚因子的边界元分离解法，关于计算中接触状态的判别比较模糊，所得接触区与真实接触区相差很大。对此，本文进行了严密的分析，提出一种新的动节点对自适应分离接触迭代判别方法及实现方案并详细描述了数据结构，同时，还编制了自适应动节点对分离接触迭代方法的边界元程序(2-DECPAOBEM)，证实了本文新方案、算法的有效性，从而获得更精确的真实接触区及边界元解。     

连续时间Markov控制过程的平均代价最优鲁棒控制策略

在Markov性能势基础上 ,研究了一类转移速率不确定但受紧集约束的遍历连续时间Markov控制过程 (CTMCP)的鲁棒控制问题 .根据系统的遍历性 ,平均代价Poisson方程的解可被看作是性能势的一种定义 .在平均代价准则下 ,优化控制的目标是选择一个平稳策略使得系统在参数最坏取值下能获得最小无穷水平平均代价 ,据此论文给出了求解最优鲁棒控制策略的策略迭代 (PI)算法 ,并详细讨论了算法的收敛性 .     

离散时变系统迭代域最优学习控制

针对线性时变离散系统，首次提出并研究了迭代域内线性二次型最优迭代学习控制问题。所得到的迭代学习控制方法在迭代域内是保性能最优的，其学习率不需主观选取，学习速度可通过改变性能矩阵参数进行调节。     

GPC隐式算法及其在供热控制中的仿真研究

基于理论研究和工程应用的需要，提出了广义预测隐式算法。首先介绍了具有滤波器的模型已知的基本广义预测控制（GPC）算法，然后给出了两种隐式自适应算法，一种是已知对象阶跃响应前P个参数的算法，这种算法既不需要在线递推求解Diophantine方程，也不需在线求逆；另一种是一次辨识控制器参数的算法。最后以集中供热热力站热交换过程为应用背景，对基本算法和两种隐式算法进行仿真研究，其结果证明了算法的有效性。