基于差分算子的和声搜索算法求解非线性l1模极小化问题

针对一类目标函数非光滑的l1模极小化问题,提出了一种改进的和声搜索算法.结合差分进化算法的变异策略,用差分向量算子取代和声搜索算法的音调微调.实验结果表明,改进后的和声搜索算法能够获得原问题的全体解.     

一类二维非线性奇稳态问题的有限元方法

考虑二维非线性边值问题{Lu=-[1x^σЭЭx(x^σa(x,y,u)ЭuЭx) ЭЭy(a(x,y,u)ЭuЭy]=f(x,y),(x,y)∈Ω u|Г0=0的有限元方法,利用Banach不动点定理,证明了弱解的存在、唯一性。给出了有限元解的最佳阶的加权L2模和加权H1模误差估计。     

基于加权L1范数的CS-DOA算法

针对基于L1范数约束的压缩感知理论的恢复算法出现虚假目标,恶化DOA估计性能的问题,提出了一种基于加权L1范数的CS-DOA估计算法.该算法利用噪声子空间与信号子空间的正交性,构造了一个加权矩阵,然后对L1范数约束模型进行加权.通过此加权处理,该算法能够使恢复的系数向量具有更好的稀疏性,并能有效地抑制伪峰,从而获得更精确的DOA估计.仿真结果验证了算法的有效性.     

从Lp(Rn+,ω(x))到Lp(Rm+)的Hardy型奇异积分算子的(p,p)型范数

设||x||_λ=(x^λ₁+x^λ₂+…+x^λ_n)^1/λ(x∈Rⁿ₊), ω(x)是非负可测函数, 定义带参数r的从L^p(Rⁿ₊,ω(x))到L^p(R^m₊₎的Hardy的Hardy型奇异积分算子T_r利用权函数方法, 讨论了T_r的(p,p)型范数, 并得到其范数的参数表达式.     

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.     

Frobenius范数意义下矩阵的Young不等式

研究Young不等式的一些新的形式,给出在Frobenius范数意义下矩阵的Young不等式,表明更精确的上下界以及在新不等式中故有的充要条件依然成立．     

Schwarz空间中小波级数的收敛性

通过引入Schwarz空间,利用逼近论的思想和放缩的方法研究Schwarz空间中小波级数的收敛性,建立小波级数依范数收敛的定理,进而得到小波级数一致收敛的结论和一致收敛速度的精确估计.     

矩阵秩优化问题的一种分离算法

具有线性约束的最小矩阵秩优化问题在控制、信号处理、系统识别等领域都有着广泛的应用。在矩阵优化问题中,矩阵的秩能够反应数据的稀疏性,但由于矩阵秩函数的非凸性,矩阵秩优化问题一般解决起来比较困难。目前,矩阵核范数的应用对于解决矩阵秩优化问题提供了有效的工具。具有线性约束的最小核范数问题为最小秩问题最紧的凸松弛问题,对于最小核范数问题,如今已存在大量的算法,而可以解决最小化2个下半连续凸函数之和这一类优化问题的Douglas-Rachford分离技巧也同样可以用于此类问题的研究,运用此类技巧得到的算法具有良好的稳健性、有效性和收敛性。     

线性代数方程组解的表示

在Ｒｎ中讨论了线性代数方程组的形式解,给出了解存在唯一的充分必要条件。当解唯一时,此形式解便是经典解,当解不唯一时,此形式解为其最小范数解,此方法既便于理论分析,又便于数值计算。     

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。