立体阵乘积的性质

讨论了立体阵的各种表示形式和两个立体阵相乘的各种性质.说明了立体阵的乘积在适当情况下可以转化为普通矩阵乘积并讨论了立体阵的乘积与矩阵半张量积的关系,是普通矩阵乘积向立体阵乘积的推广.     

基于相关矩阵对角化和遗传算法的盲源分离法

提出了一种新的基于相关矩阵对角化的代价函数作为衡量输出信号独立性的测度。为了扩大搜索空间,降低各信源之间的互相关性,将代价函数进行了非线性变换。还提出了利用实数编码的遗传算法对代价函数进行最优化搜索,以克服传统梯度搜索方法容易陷入局部收敛的缺点。此方法不仅适用于平稳或非平稳信号,而且还可用于瞬时或卷积混和模型的盲源分离问题。仿真实验表明,该算法具有快速收敛性能和高精确度等优点,能够大大提高分离后的输出信噪比。     

线性流形上反对称次对称矩阵反问题的解

令S={A∈ASn｜AZ=Y,ZT1ZT+1YT2=YT2,Y1Z+2Z2=Y1,ZT1Y1=-YT2Z2,Y,Z∈Rn×m},这里(ZT1　ZT2)=ZTD,(YT1　YT2)=YTD.研究了如下问题:问题Ⅰ　已知X,B∈Rn×n,找A∈S使‖AX-B‖=min.问题Ⅱ　给定A ∈Rn×n,找^A∈SE使‖A -^A‖=min A∈SE‖A -A‖.这里SE是问题Ⅰ的解集合,给出问题Ⅰ的解集合表达式和问题Ⅱ的逼近解.     

r-首尾和循环线性方程组的求解

引入r-首尾和循环矩阵的新概念,利用多项式矩阵理论,给出求解r-首尾和循环线性方程组的快速算法.     

两传感器按对角阵加权信息融合稳态Kalman滤波器

应用现代时间序列分析方法,在按对角阵加权线性最小方差最优信息融合准则下,基于Riccati方程,提出两传感器信息融合稳态最优Kalman滤波器.与按矩阵加权最优融合.Kalman滤波器相比,可减少计算负担,与单传感器情形相比,提高了滤波精度.一个仿真例子说明其有效性.     

广义严格对角占优矩阵的判定及其在神经网络系统中的应用

利用非零元素链理论以及方法,给出了判定广义严格对角占优矩阵的几个充分条件,拓广了广义严格对角占优矩阵的判定方法,并给出其在神经网络系统中的应用,结果表明该法不仅有效而且简单实用.     

完全主非负矩阵的逆谱问题

本文考察了完全主非负矩阵以及完全主正矩阵的逆谱问题。     

投影理论体系探讨

本文试图用数学方法把和投影有关的诸理论统一起来。数学表达式使各种投影之间的关系一目了然。对于投影的各种情况,本文一一给出了成立的充分必要条件。特别是其中的中心投影的仿射形的充要条件,与原来在这个位置上的别斯金定理大不相同,去掉了其射影几何的内容,对其适用于投影的結论作了引申,在附表中仍称之为别斯金定理,但这实际上已经是投影自己的别斯金定理了。又如库鲁巴定理,尽管已经分别有三、二、一天点参数公式组,但统一的中心投影充要条件公式始终没有。本文用矩阵方法很简单地推出了这一与库鲁巴定理等价的公式组。     

一类子矩阵约束下矩阵反问题的拓广

利用矩阵的广义逆和广义奇异值分解,讨论了子矩阵约束下左右逆特征值问题及其拓广,给出了其有解的充分必要条件及在有解条件下的通解表达式,并得到了此问题的最佳逼近解,而且用数值算法来验证求最佳逼近解的有效性．     

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.