矩阵方程A~TXA=C的对称斜反对称最小二乘解

文章利用矩阵对的广义奇异值分解和对称斜反对称矩阵的性质,研究了矩阵方程ATXA=C的对称斜反对称最小二乘解,并给出其通解的表达式;由正交矩阵的性质进一步给出了在相应的对称斜反对称最小二乘解解集中该矩阵方程的极小范数解。     

涉及微分多项式的亚纯函数的正规族

设F是区域D内的一族亚纯函数,k,m,q是正整数,P(ω)=ωq+aq-1(z)ωq-1+…+a1(z)ω是一多项式,H(f,f′,…,f(k))是满足γH*0的微分多项式,a(z),b(z),c(z)是区域D内的解析函数,且a(z)≠b(z),c(z)≠0.若对于任意的f∈F,f的零点的重数至少是k+1,且有(1)P(f(k)(z))+H(f,f′,…,f(k))=a(z)时,f(z)=0;(2)P(f(k)(z))+H(f,f′,…,f(k))=b(z)时,f(z)=c(z),则F在D内正规.     

涉及重级零点和分担值的亚纯函数的正规定则

设F是区域D内的一族亚纯函数,k,m,q均为正整数,P(w)=wq+aq-1(z)wq-1+…+a1(z)w,H(f,f′,…,f(k))为f的微分多项式且满足γH*0;a(z)≠0,b(z)≠0为区域D内的解析函数,任意的f∈F的零点重级至少为k+1且满足f(z)=a(z)当且仅当P(f(k)(z))+H(f,f′,…,f(k))=b(z),则F在D内正规.     

一个R~N上的p-拉普拉斯椭圆方程的最小能量解

利用一个无穷远处的集中紧性原理来解决带约束极大值问题M(b,RN)∶=sup{∫RNb(x)|u|qdx;u∈W1,p(RN),∫RN(|▽u|p+|u|p)dx=1}的可达性,其中b(x)满足适当的条件,得到p-拉普拉斯椭圆方程-Δpu+|u|p-2u=b(x)|u|q-2u,u∈W1,p(RN),1pN,pqp*的最小能量解.     

Generalized ridge estimation of a semiparametric regression model

We considered the following semiparametric regres-sion model yi = X iT β+ s ( t i ) + ei (i =1,2,,n). First,the general-ized ridge estimators of both parameters and non-parameters are given without a restrained design matrix. Second,the generalized ridge estimator will be compared with the penalized least squares estimator under a mean squares error,and some conditions in which the former excels the latter are given. Finally,the validity and feasibility of the method is illustrated by a simulation example.     

Mathematic在多项式插值教学中的应用

数值分析是介绍科学计算的基本理论与基本方法的课程,多项式插值是数值分析中的重要内容,然而,常用的多项式插值有很大的局限性,大多数学生一般难以掌握。本文主要讨论Mathmatic数学软件在多项式插值教学和进一步研究中的辅助作用。     

与给定矩阵A的可交换子环C（A）的一些探讨

收集整理现在常用的高等代数与线性代数材料中与给定矩阵A可交换的矩阵所构成的全矩阵空间P^n×n的子空间C（A）的习题,指出C（A）的交换性及用A的多项式表示问题同C（A）的维数与n有密切关系,得到n（n≥3）阶幂等矩阵A或对合矩阵A的C（A）都是不可交换的结论。     

最小学习机

针对极端学习机（ELM）不能用于多层前向神经网络学习的问题,通过揭示单层前向神经网络（SLFN）的ELM与岭回归以及中心化的岭回归之间的关系,提出了SLFN的最小学习机。通过证明核化的中心化岭回归与核化的PCA之间的关系,提出以无限可微的核函数为激励函数的多层前向神经网络（MLFN）的最小学习机LLM.SLFN/MLFN的最小学习机能够保持ELM的上述优势。     

合成孔径雷达景象匹配中制导导弹定位

研究了合成孔径雷达景象匹配中制导中的导弹定位问题。部分孔径成像是景象匹配中制导合成孔径雷达有效的成像模式,为便于利用多匹配点定位,提出了聚焦多普勒波束锐化成像方法。建立了基于匹配点距离差和多普勒差,并考虑了高度、速度和匹配点位置测量误差的定位模型。推导了位置估计的克拉美-罗下限（Cramer-Rao lower bound, CRLB）。提出了一种基于最小二乘的闭式求解算法。理论分析表明,在一定近似条件下,这一算法的估计精度到达CRLB。仿真分析了各种误差因素对CRLB的影响,验证了算法的理论分析结果及其有效性。     

基于偏最小二乘的人脸超分辨率重构

提出了一种基于偏最小二乘(PLS)的超分辨率重构方法用于快速恢复高分辨率人脸图像.该算法利用主成分分析(PCA)方法将所有高、低分辨率人脸图像投影到各自的特征子空间中,通过PLS对高、低分辨率投影变量之间的统计关系进行回归建模.当输入的低分辨率人脸图像给定时,对应的高分辨率人脸图像可以由训练后的回归模型导出.实验结果表明,在离线训练的情况下,所提出的算法可以快速地给出令人满意的重构解.