赋有权向量网络的2-范数意义下的最短路

本文从资源的平衡消耗问题出发,提出了赋有权向量网络的2—范数意义下的最短路概念,讨论了算法,并以城市交通问题为例,说明了算法在多目标决策中的应用。     

关于实四元数矩阵数值半径的综述（续）

对实四元数矩阵的数值半径做了综述研究，对某些已知结果给出了新的证明。所研究的内容只涉及作过去几年所做的工作。     

关于‖B^—1A‖∞的估计定理

对于一类矩阵B,本文出‖B~(-1)A‖∞的一些估计,它们包含文[1],扩充了文[1]的结论.     

关于酉相合不变范数的几个结果

对应于Ｌｉ和ＴＳｉｎｇ的关于酉相似不变范数的讨论，本文给出了相应的关于酉相合不变范数的结论。     

在酉不变范数下矩阵方程AXB=D的逼近解

本文给出X＝A－DB-为矩阵方程AXB＝D在每个酉不变范数下的逼近解的条件，从而推广[2]，[4]，[5]的结果。     

C1XD2=F2的反对称解及其最佳逼近

利用迭代方法来解线性矩阵方程组A1XB1+C1XD1=F1,A2XB2+C2XD2=F2.若这个矩阵方程组是相容的,那么它的反对称解就能在有限步迭代中得到.如果选取一个特殊的初始矩阵,就能够求得其最小范数解.若任意给定一个矩阵,可在A1B1+C1D1=F1,A2B2+C2D2=F2中求得它的最佳逼近解.最后通过实例说明了这种迭代算法是有效的.     

基于L_p稀疏正则的图像去模糊方法研究

在图像去模糊问题中,图像的模糊核估计是重中之重.通常图像的梯度服从重尾分布这一先验被广泛的运用于图像的模糊核估计中,然而受限于非凸优化的数值求解方法,人们往往采用图像梯度的L1范数或者L2范数来近似,从而构造出计算较为简单的凸优化能量函数来估计模糊核.为此,本文提出一种基于Lp稀疏正则的非凸优化的模糊核估计方法,该方法以服从超拉普拉斯分布的图像梯度的Lp范数为稀疏先验项,有效的提高了先验知识的准确性的同时增强图像的强边缘,抑制了细小边缘对模糊核估计的影响.在对Lp范数的数值求解问题中,本文采用GISA(generalized iterated shrinkage algorithm)可以简单且有效的求得任意p值下的最优解.实验表明与传统方法相比,本文方法有效地提升图像的质量,去模糊后的图像更加清晰.     

L1-范数子空间技术的鲁棒建模综述

子空间学习可以通过多种技术来开展,对一些流行且被广泛使用的子空间学习方法,简要回顾其基于L1-范数的鲁棒建模.从主成分分析开始介绍子空间学习技术、线性判别分析以及更一般的图嵌入框架.作为L1-范数的综合利用,进一步讨论具有稀疏性的鲁棒建模.此外,还论述一些应用在神经科学中的相关子空间学习技术.最后,针对基于L1-范数的子空间学习的求解问题,介绍一个有力工具,即边界优化技术.