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。     

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。     

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.     

L1范数下有噪信号恢复的误差估计

在压缩感知有噪信号恢复的研究中,引入新范数,获得L1范数最小化恢复的误差估计.结论只依赖于噪声本身,改进了压缩感知中已有的误差估计.     

关于症状自评量表合成常模与元分析的讨论

以症状自评量表为工具,以Stata SE12.0和SPSS19.0为主要统计工具,模拟合成量表常模的过程,并进行同质性检验、亚组分析、回归分析和发表偏倚分析。结果表明有4个因子拒绝同质假设,元分析的同质性检验结果拒绝同质性假设,亚组分析和回归分析无法解释其异质性来源,发表偏倚检验结果表明所列文献无发表偏倚。进而得出结论:1.以文献上的二手数据为基础合成的大学生SCL-90常模在统计上极有可能是无效的,从程序上讲也是不可靠的;2.已有的元分析报告中,SCL-90各因子得分与常模比较得出的效应量在统计上是无效的。     

基于规则提升的 Agent 系统异常处理方法

基于进化计算理论中的重组思想, 提出一种基于规则提升的Agent系统异常处理方法, 处理Agent系统中违背执行规则的异常. 该方法根据规则间的相互触发和执行情况分析得到规则处于异常状态的原因, 重组处于异常状态的规则, 提升规则向适应环境的方向进化. 实验结果表明, 该方法能处理规则的异常状态, 增强了规则的触发条件, 保证了规则达到预期的后置条件, 提高了Agent系统在开放环境下的异常处理能力.     

快速加权核范数最小化的SAR图像去噪算法

提出快速加权核范数最小化(fast weighted nuclear norm minimization,FWNNM)的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。首先采用对数变换将SAR图像的乘性噪声变换为加性噪声,然后利用非局部相似性对变换后的图像进行块匹配,随后根据低秩模型框架,用随机奇异值分解替换加权核范数最小化(weighted nuclear norm minimization,WNNM)算法中的奇异值分解进行低秩矩阵逼近,再采用梯度直方图保存的方法对图像进行纹理增强,最终实现了对SAR图像快速去噪。在MSTAR数据库上的实验结果表明,与已有方法相比,所提方法在SAR图像去噪和边缘保持方面是有效的,并且比WNNM去噪速度快3倍。