利用本征矢量的特性讨论电磁辐射和引力辐射问题

本文利用电磁场能动张量本征矢量的类时、类空和类光的性质来判断有无电磁辐射,并推广到引力辐射,即利用引力场Weyl张量本征双矢量主方向的性质来判定各类引力场有无引力辐射。     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.     

区间数判断矩阵满意一致性递推排序方法研究

研究了区间数判断矩阵的一致性和递推排序方法. 根据区间数判断矩阵的概念给出了区间数判断矩阵的完全一致性定义, 通过对完全一致性性质的讨论演绎出区间数判断矩阵的一致性和满意一致性定义及其判别方法,并且研究了一致性和满意一致性定义的合理性, 提出了求解区间数判断矩阵排序向量的递推排序方法, 最后用算例验证了方法的有效性.     

集合SN2OM,SU,SH,SKH中矩阵的特征值

文中讨论了４个矩阵集合：ＳＮ２ＯＭ，ＳＵ，ＳＨ及ＳＫＨ的特征值与特征向量，并引出部分——Ｈｅｒｍｉｔｅ矩阵概念     

电能质量扰动分类的贝叶斯方法

随着非线性负荷的大量使用,电能质量问题已日益受到关注．对各种电能质量扰动进行分类,是采取适当措施降低扰动带来影响的前提．小波包是在小波变换的基础上发展起来的,能够提供更为丰富的时频信息．为此,对电能质量扰动信号进行小波包分解,分别以小波包分解终结点的能量和熵作为特征向量。用贝叶斯分类器进行分类识别,对扰动分类做出了仿真分析,仿真结果验证了该方法的有效性．通过与Fisher分段线性分类器进行比较,表明以熵为特征向量的贝叶斯分类方法有较高的识别正确率．     

矩阵向量空间上线性变换的对角化

由矩阵A定义了n阶矩阵空间Mn(F)上的若干线性变换φA,研究了其线性变化的对角化问题:在A可以对角化的前提下,利用A的特征根与特征向量得到了φA的特征根和特征向量,进而得出φA可以对角化.用A的互异特征根的重数得到了KerφA的维数和范围,用φA的特征向量得到了KerφA的基.     

基于EMD技术的语音特征提取方法

利用软件MATLAB仿真了语音信号的经验模态分解（EMD）特性,并与相关文献报导的其他分解方法进行了比较,结果表明：EMD法能达到更好的说话人识别效果。当不同的人发相同语音时,其频谱特性是不同的,把语音信号进行EMD分解后的IMF做频谱变换,便能得到一个特征向量,于是根据特征向量的不同而达到说话人识别的目的。以上实验结果有助于开辟说话人识别的新途径。     

弱伴随矩阵及m重弱伴随矩阵的特征值与特征向量

研究了弱伴随矩阵、m重弱伴随矩阵的特征值、特征向量与其对应矩阵的特征值、特征向量的关系。     

矩阵约当化方法的研究

作者研究了矩阵约当化的简化方法,指出并证明了矩阵约当化与对角化的充要条件。只要根据约当子块的数目及其维数,即可写出约当形矩阵,而不必求出变换矩阵,从而也不必求特征向量和广义特征向量。     

结构动力分析中Kuhar方法的改进和收敛性

本文介绍了结构动力分析中基于Ｋｕｈａｒ方法的动力缩减迭代法，应用矩阵摄动理论证明了其收敛性，算例说明了方法的有效性