二阶椭圆问题混合有限元方法的最大模估计

利用正规格林函数及对偶论证技术,证明了非线性二阶椭圆问题的混合有限元方法对函数的Ｌ＾２投影有几乎超收敛一阶的最大模误差估计,对函数有最优阶的最大模误差估计,对伴随向量函数及其散度有拟最优的最大模误差估计。     

一般区域上凹方程的Dirichlet问题

在完全非线性情形,构造了一个关键的函数uo,获得了上确界的先验估计,证明了可能非正则的一般有界区域上凹的二阶椭圆方程Dirichlet问题有界古典解的存在唯一性定理。     

一类特殊的混合模空间

讨论了一类混合模空间 Aq,p ,α 的一些基本性质 ,分数次导数和边界性质 .     

一类非线性热源反演的唯一性

探讨了热传导方程在非局部时间边界条件下非线性热源反演的唯一性问题。应用范数一致估计方法证明了非线性热源在Holder空间上存在的唯一性。     

矩阵的迹在解题中的应用

根据矩阵迹的定义,首先给出了矩阵迹的性质,然后依据方阵的F—范数定义Cauchy—Schwarz不等式,给出了零矩阵,不相似矩阵,数幂矩阵,列矩阵,幂等矩阵及矩阵不等式的证法。对矩阵的迹在解题中进行了应用。     

SAR图像目标增强模型最优性能分析

研究用于SAR图像目标增强的lk范数正则化方法的最优性能.从有偏参数估计的统计性能极限角度,将达到渐进最小总方差的参数估计看作目标增强的最优效果.根据Bayes框架以及罚最大似然估计原理,研究了达到最优性能时正则项需满足的条件,该条件与图像大小、信号统计分布以及观测数据噪声方差有关,可为模型设计与迭代算法设计提供依据.并证明了仅当噪声方差较小时lk范数约束才能使得处理结果达到该最优估计性能.仿真实验验证了该结论的正确性.     

广义模糊粗糙集的广义不确定性

提出并讨论了模糊粗糙集的广义不确定性,并基于Shannon’s熵讨论了模糊近似空间的广义熵,进而研究了模糊粗糙集的广义模糊度及其性质.     

曲线拟合的极小l1模法

曲线拟合被应用于许多领域,曲线拟和的常用方法是最小二乘法,本文提出了曲线拟合的极小l1模法。首先研究了极小l1模剩余向量的性质及其计算方法,利用这些结果可以将曲线拟合的极小l1模法求解问题转化为先求解极小l1模剩余向量,再求解一个优化问题,最后求解一个相容的方程组问题。从最后的示例可以看出,与最小二乘法相比,本方法的效果较好。     

方阵特征值上,下界的范数表示及应用

利用矩阵的欧氏范数得到矩阵特征值分布的两个上、下界估计,一个是利用方阵Ａ的迹和‖Ａ＋＾－Ａ′／２‖２表示出牲值头部、虚部的上、下界,其范围小于│λ－ｔｒＡ／ｎ≤√ｎ－１／ｎ（‖Ａ‖＾２Ｆ－１／ｎ│ｔｒＡ│＾２的估计范围且形式比较简便。另一个是利用‖Ａ‖＾２和‖ＡＡ′＾－‖＾２表示的特征值模的范围,与一些著名的估计相比更精确。讨论了它们在稳定性判定中的应用。     

基于谱正则化算法的大数据矩阵完备化研究

矩阵完备化是基于部分观测数据来完成全部矩阵预测的问题.随着互联网技术的发展,大数据时代的来临,大数据矩阵中大多数据依然是空白的,需要补充,即大数据存在矩阵完备化的问题.本文利用谱正则化模型和算法来解决大数据的矩阵完备化问题,该方法将矩阵完备化问题整理成核范数最小二乘问题,再通过截断奇异值分解、软输入算法和硬输入算法给出了一系列正则化低秩解.最后基于实际的Netflix 大数据的实验结果证明了本文的方法.