线性最优控制的反问题

文中讨论由陈小林等于1985年提出的线性系统最优控制的反问题。从与前者不同的途径出发,得到了该问题有解的充分必要条件;进一步,利用矩阵范数的性质,得到了易于计算的充分条件。     

有协变量的推广增长曲线模型中协差阵的最小模估计

对于有协变量的推广增长曲线模型：Y=χ1B1W1 χ2B2W2 B3W3 R，其中，μ(W2)∈μ(W1)，而对W3没有任何限制，本文利用最小模原理和一般射影定理得到了可估参数函数tr(C∑)的无偏不变最小模二次估计(MINQE(U，I))．     

D反对称矩阵反问题的最小二乘解

为了研究约束矩阵方程问题,提出了D反对称矩阵的概念,研究了D反对称矩阵反问题的最小二乘解及其最佳逼近问题;采用矩阵奇异值分解、分块降阶等方法,获得了D反对称矩阵反问题的最小二乘解一般表达式及最佳逼近解的表达式,并对其逆特值问题、线性约束方程问题给出了有解的充分必要条件,推广了文献[1]中的相关结果及应用范围.     

代数数域中的剩余序列

对所有的整数n，m和一个代数域F定义∧F(n，m)为最小正整数，满足，对几乎所有的素数理想p存在m个相邻n次剩余(在代数域F中)，且迹小于∧F(n，m)^[F:Q]基于这些定义证明了几个定理。     

单位球上Bloch型空间中复合算子的本性模估计

设Bn是n维复空间C^n中的单位球,φ=（φ1,…,φn）是Bn到自身的一个全纯映射,令P,q〉0,复合算子Cφ由（Cφf）（z）=f（φ（z））定义,通过找到一个性质很好的检验函数（见命题1）得到了单位球上p-Bloeh空间到q—Bloeh空间之间的有界复合算子Cφ的本性模的下界估计（具体结果见定理1）．     

一类线性算子族范数连续的刻划条件

设A和B分别生长C1-正则半群{(St)}t≥0和C2-正则半群{(Tt)}t≥0,令△(t)=T(t)-S(t),在Hilbert空间下,本文给出了用生成元A和B的预解式来判定算子族△(t)范数连续的判定定理。     

基于L0矩阵范数正则化的自然图像去反光算法

去除图像的反光是计算机视觉和计算机图形学的一个基础研究问题。虽然各种方法已经提出,但由于存在丰富的纹理、复杂的背景、遮挡和颜色照明等,去反光的效果并不佳,有待进一步完善。本文针对自然图像的两个观察结果：(1)高光通常是小尺寸和稀疏分布的;(2)剩余的漫反射图像可以用少量基色与稀疏和低秩加权矩阵的线性组合表示,提出一种基于L0范数正则化图像去反光算法。通过L0范数正则化保证编码系数的稀疏性以及核范数保证编码系数的低秩性来恢复那些高光区域的漫反射分量。此外,根据加色混合理论和光照定义,编码系数和高光也分别受到非负性影响。通过对比相关的图像反光去除算法,实验说明了所提出的算法具有较好的优势。     

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。     

生态文明建设中企业员工生态环境行为的影响因素研究——基于扩展的规范激活模型

生态文明建设对企业员工的生态环境行为提出了要求.从企业员工自身出发，以规范激活模型中的后果意识、责任归属和个人规范为基础，增加媒介使用与主观规范变量，构建企业员工生态环境行为影响因素的理论研究模型，通过收集410份有效问卷，运用结构方程模型进行实证研究得到：1)个人规范、后果意识以及媒介使用可以直接正向影响企业员工生态环境行为，且其影响作用依次减弱；2)媒介使用会直接正向影响企业员工的后果意识、责任归属及主观规范，而后果意识、责任归属及主观规范又可以直接正向影响企业员工的个人规范；3)媒介使用既可以通过后果意识间接影响企业员工生态环境行为，也可以先通过影响后果意识、责任归属以及主观规范，再影响个人规范，进而影响企业员工生态环境行为，且媒介使用的间接影响作用大于其直接影响作用.     

基于零空间l1范数最小化的ISAR成像方法

在目标场景散射率分布满足稀疏性假设下,压缩感知(compressive sensing, CS)成像与传统距离-多普勒成像方法相比,可以使用很少的数据获得良好的图像,图像对比度高,没有旁瓣干扰。本文提出了一种基于零空间l₁范数最小化的逆合成孔径雷达(inverse synthetic aperture radar, ISAR) CS成像方法。从解欠定方程组的角度,将待重建目标图像分解为初猜值与残余值两部分。首先使用加权最小二乘(weighted lease square, WLS)法估计初猜值,作为目标初像；然后将待重建目标场景散射率的l₁范数作为额外的一个非线性测量值引入到图像重建中,在卡尔曼滤波框架下,利用非线性“伪测量”值,最小化待重建目标场景的l₁范数来估计零空间中残余值的解。实测ISAR数据处理验证了所提算法的有效性。与正交匹配追踪算法(matching pursuit algorithm, OMP)和primal-dual l₁范数最小化方法相比,所提方法获得的成像效果更好,成像时间比primal-dual l₁范数最小化方法更短。