互素多项式在矩阵秩中的应用

给出了互素多项式在矩阵秩讨论中的几个结果：1）设f(x),g(x)∈P[x],A∈Mn(P)若f(x),g(x)互素，且f（A)g(A)=0,则r(f(A)) r(g(A))=n。2）设fi(x)∈P[x],i=1,2,…，m,A∈Mn(P)，若f1(x),f2(x),…,fm(x)互素，且f1(A)f2(A)…fm(A)=0,则n≤r(f1(A)) r(f2(A)) … r(fm(A))≤（m-1)n。3）设fi(x)∈P[x],i=1,2,…，m,A∈Mn(P),若f1(x),f2(x),…，fm(x)两两互素，且fi(A)fj(A)=0,i≠j,i,j=1,2,…，m，则r(f1(A)) r(f2(A)) … r(fm(A))=n。     

矩阵方程X-A~*X~(-q)A=I(q>1)的Hermite正定解

讨论了矩阵方程X -A X-qA =I在q >1时的Hermite正定解的存在性和解的性质并且构造了两种数值求解的迭代方法 .以上结果利用数值例子来说明 .     

耦合Riccati不等式组解的局部优化算法及其在微分对策中的应用

研究与线性二次微分对策的Nash次优均衡对策相联系的一组耦合Riccati矩阵不等式组的解的算法问题。将耦合Riccati矩阵不等式组的求解问题化为具有非线性约束的非凸优化问题，用双线性矩阵不等式（BMI）方法给出了Riccati矩阵不等式组解的局部优化算法，这种算法可以用MATLAB中的线性矩阵不等式工具箱（LMI Toolbox）求解，并给出了这种算法在微分对策中的一个应用实例。     

组织学习协同性评价模型设计与应用

在分析组织系统学习协同要素的基础上，运用协同学理论构建组织学习的协同性评价指标体系和评价模型，通过实证研究对一些代表性企业进行协同性评价，以探索提升组织学习能力和效果的途径。     

R(o)ssler超混沌系统的参数辨析与同步研究

首先给出两种方法实现对四维罗斯勒超混沌系统未知参数的准确快速辨析，第一种方法通过将系统反馈控制到任意不动点，求解平衡点的方程得到未知参数辨析的数学表达式；第二种方法基于稳定性理论，通过构造参数观测器，设定恰当的初始值，解析地给出基于参数观测器的表达式，数值计算表明两种方法都很有效。基于线性化误差理论，求解误差演化的雅克比矩阵的特征值，解析地获得相位同步和全局同步控制器的表达式，详细分析了雅克比矩阵为零对应相同步问题，数值计算与理论分析一致。     

关于互补判断矩阵的群决策的专家评判水平

在群决策分析中，如何从一致性分析的角度来分析专家评判水平或对专家评判水平进行分类是一个重要的研究课题。本文针对群决策中基于互补判断矩阵偏好信息的专家评判水平的排序与分类问题，提出了一种分析方法。首先，分析了互补判断矩阵及其一致性的有关性质；然后，通过构造每个专家给出互补判断矩阵的导出矩阵及其向量表示，计算每个专家给出互补判断矩阵与一致性互补判断矩阵之间的偏差，并得到每个专家评判水平的排序结果和专家们评判水平的分类。最后，通过一个算例说明了本文给出的分析方法。     

时滞区间广义系统的保成本控制

针对一类具有状态时滞的时滞区间广义系统,基于状态反馈研究了保性能控制问题。利用线性矩阵不等式(LMI)处理方法,得到了闭环时滞区间广义系统广义二次稳定以及闭环性能指标值有上界的充分条件。利用LMI的可行解给出了保性能控制器的设计方法。设计的控制器使得闭环时滞区间广义二次稳定,同时保证闭环性能指标值是具有上界。最后的数值例子说明了所给方法的有效性。     

基于OFDM系统的空时频分组编码方案

提出了一种空时频分组编码方案,其设计思路是:接收端通过子信道的相关特性确定不相关子载波组,并反馈给发射端;发射端基于反馈信息,利用星座旋转预编码矩阵和空时分组编码技术构建空时频分组编码。该方案只反馈子信道的相关性而无需反馈整个信道信息,可应用于任意数量的发射/接收天线,能获得极高的分集增益和带宽效率,且只有较低的解码复杂度。在瑞利衰落环境下的仿真结果证实了此方案的鲁棒性。     

基于数据矩阵分解的相干源方向估计新方法

提出一种相干源存在情况下的波达方向估计新算法。利用阵列快拍数据构造数据矩阵,相关去噪后,通过奇异值分解获得低维信号子空间的估计,然后运用ESPRIT思想估计出波达方向。无论是否存在相干源,新算法均能有效估计出波达方向,并且无需角度搜索,运算量小。该算法虽基于一维线阵,但可直接推广到具有线性性质的二维平面阵,如L形阵、十字阵、双平行线阵等。计算机仿真验证了算法的有效性     

一种基于分明矩阵的启发式知识约简方法

提出了基于分明矩阵的启发式知识约简方法。在决策表的相对约简过程中采用分明矩阵来表达知识,并利用分明矩阵中项的长度和每个属性的频率作为启发信息进行属性的选择。现已证明,寻找决策表中最小相对约简问题是典型的NP hard问题。所提供的算法在大多数情况下能够找到最小约简,即使在没找到最小约简的情况下,也能找到次优解。通过实例分析,证明该算法是求解属性相对约简的快速有效的方法