Loewner型方程组极小范数最小二乘解的快速算法

通过构造特殊分块矩阵及其三角分解给出了求秩为n 的m×n阶Loewner型矩阵为系数阵的线性方程组极小范数最小二乘解的快速算法, 该算法的计算复杂度为O(mn)+O(n²), 而一般方法的计算复杂度为O(mn²)+O(n³) .     

一类三角模糊数优性组合预测模型

将三角模糊数序列的三个界点转换为等价的面积型中心、面积型散度、质心三个指标序列.结合广义诱导有序加权平均(GIOWA)算子,选择面积型中心、面积型散度、质心三个指标的L2范数作为最优准则,建立了一类新的三角模糊数优性组合预测模型,并证明了新提出的模型一定是优性组合预测模型.通过实例分析对比,也进一步验证了该模型是有效性...     

具有Dini核奇异积分算子的几个加权赋范不等式

目前研究的奇异积分算子核基本上都具有标准核,本文把标准核的条件减弱成Dini条件,并证明了具有Dini型核的奇异积分算子关于任意权函数的几个加权赋范不等式。     

具有时滞的强阻尼波动方程组的吸引子

研究了一类具有时滞的强阻尼波动方程组整体吸引子的存在性问题. 通过构造函数空间的等价范数及运用各种不等式估计方法, 并利用偏泛函微分方程理论, 得到了整体吸引子的存在性.     

分数阶非线性系统PDα型迭代学习控制收敛性分析

针对一类单输入单输出的分数阶非线性连续系统,利用卷积的推广Young不等式,分别研究了开环、闭环以及开闭环PD^α型分数阶迭代学习控制算法在L^p范数意义下收敛的充分条件,并进行了严格的理论证明.研究发现:控制算法收敛的充分条件取决于算法的增益和系统自身属性;在控制算法选取适当增益的情况下,开闭环PD^α型控制算法拥有比开环算法更快的收敛速度.这些结论与分数阶线性系统是相同的.仿真实验进一步验证了上述理论的可行性和正确性.     

基于自适应图调节和低秩矩阵分解的鲁棒聚类

聚类是数据挖掘和机器学习领域的重要研究内容,一般会先基于数据样本构建相似图,再基于相似图将样本划分到相应的类中。但是真实的数据经常被损坏,导致学习的相似图不准确,从而直接影响聚类结果。为解决这些问题,提出一种面向鲁棒聚类的自适应图调节和低秩矩阵分解的方法,该方法的核心思想是:将原始数据X分解为纯净数据D和噪声数据S,再基于纯净数据构造拉普拉斯矩阵并进行自适应图调节。随后,给出一个联合学习框架,将数据分离、自适应图正则、噪声消除和低秩矩阵分解集成到一个目标函数中。利用增广拉格朗日乘子法分别更新变量。最后,在理论上证明算法的收敛性并进行实验。实验结果表明所提出的方法与现有一些方法相比有一定优越性。