矩 阵 环 的 乘 法 导 子

设R是有单位元1的结合环, R=Mn(R)是R上全体n阶矩阵构成的环, S是由R中全体后(n-r)行均为0的行矩阵构成的乘法闭子集, 这里1≤r相似文献   

非广延统计的幂律分布律及其微观动力学基础

综合介绍了非广延统计中用以推导幂律分布函数的方法,分别是最大熵原理、系综论和分子运动论等.从随机动力学角度分析了产生幂律分布的微观机制,指出这种机制源于相空间的非均匀特征,也与温度涨落相关联.这2种机制分别联系于加性噪声和乘性噪声.     

一类新的乘性子空间校正算法及其收敛性分析

基于Nash等人的MG/OPT算法和Tai等人的PSCA算法,提出了一类新的求解非线性无约束优化问题的乘性子空间校正算法,且对其收敛性及收敛速度进行了详细的分析.     

基于四元数平方根UKF算法的SINS/GPS紧组合导航系统研究

在较大初始姿态误差角下,针对SINS/GPS紧组合导航系统扩展卡尔曼滤波（extenthed Kalman filter, EKF）算法定位精度下降的问题,提出了一种基于四元数的平方根无迹卡尔曼滤波（square root unscented Kalman filter, SRUKF）算法。为解决SRUKF算法中四元数正交规范化的限制,通过构造姿态矩阵代价函数将四元数预测均值问题转化为代价函数最小时的四元数向量求解问题,保证了均值四元数的规范化;利用乘性四元数误差表示四元数预测值与均值之间的距离,求取四元数的预测协方差矩阵,保证了算法的合理性。在此基础上,给出了SINS/GPS紧组合系统四元数平方根无迹卡尔曼滤波算法的具体步骤。在较大初始姿态误差角下的仿真实验结果表明,与EKF算法相比,该算法精度更高,稳定性更强。     

非高斯乘性噪声环境下伪码捕获方法

针对非高斯乘性噪声环境提出了一种伪码捕获方法,将伪码捕获等价为假设检验问题,利用局部最佳检测算法推导出非高斯乘性噪声环境下的伪码捕获检测统计量.给出了基于局部最佳检测算法的捕获结构,并与传统的平方和检测器和非高斯加性噪声环境下局部最佳检测器进行了性能仿真对比.结果表明,文中所提出的捕获方法在非高斯乘性噪声环境下检测性能有较大幅度的提高.     

光通信中纠错码在乘性噪声信道下译码性能分析

针对经典的基于加性高斯白噪声(additive white Gaussian noise, AWGN)模型下的软判决译码算法不适用于光通信乘性噪声信道的问题,分析了雪崩光电二极管（avalanche photodiode,APD）接收机和掺铒光纤放大器（erbium-doped fiber amplifier,EDFA）接收机信道的非对称特性。仿真结果表明,乘性噪声信道的非对称特性可用发送“1”,“0”码的标准差之比来衡量,且两者比值越大,说明信道的非对称性越强。接着分别给出卷积码、Turbo码和低密度奇偶校验码（low-density parity-check,LDPC）码在乘性噪声信道下的译码方法,并仿真了纠错码在非对称高斯模型下的译码性能和在AWGN模型下的译码性能差异。仿真结果表明,译码算法做相应的修正后,纠错码在2种信道模型下皆具有较好的净编码增益,同时在非对称高斯模型下的译码性能要优于在AWGN模型下的译码性能。     

非负矩阵分解：模型、算法和应用

近年来,非负矩阵分解模型已经成为数据挖掘领域中最成功的模型之一。该模型能够自动从一组高维向量中提取隐含模式,从而被广泛应用于降维、无监督学习（图像处理、聚类和双聚类等）和预测当中。本文将从它的发展历史、数学表达形式、算法和热点应用等几个层面对非负矩阵分解模型进行综述。简言之,该模型具有较好的可解释性,模型简单,易于理解操作,可拓展性强,该模型和无监督学习领域中其它被广泛采用的模型关系紧密,且有广泛的应用空间,数值表现优异。同时作为一项新兴技术,该模型亦有许多有趣的问题值得进一步深入研究。     

乘性噪声和注入信号对单模激光一级相变类比的影响

从含有注入信号的单模激光场的增益-噪声模型出发,得出激光场的定态强度分布函数。讨论了不同乘性噪声取值下的单模激光场一级相变参数区域图的变化,并给出了定态强度分布函数关于光强和注入信号关系的三维变化趋势图。     

色噪声驱动下延迟双稳系统中的相干共振

研究了乘性色噪声和加性白噪声驱动下的延迟双稳系统.应用Kampen理论、Novik-ov理论、绝热近似理论和两态理论得到功率谱表达式.发现了随着加性噪声强度的增加出现了相干共振现象,且共振发生在延迟时间与加性噪声强度之间.乘性噪声强度会降低系统的输出;色噪声的自相关时间能够加强系统的输出;且在较大的自相关时间下,较小的加性噪声强度就能使系统产生共振现象.     

图书借阅预测的ARIMA乘积季节模型构建及实证分析

本文研究乘积季节模型在我校图书借阅预测中的应用,通过对我校2007年1月到2009年12月的月度图书借阅数据来进行实证分析,采用差分方法对序列资料进行平稳化,然后进行模型定阶并估计其参数,建立了我校图书借阅的乘积季节预测模型ARIMA（4,1,1）（1,1,1）^12。对模型进行诊断检验,结果表明,用该乘积季节模型对我...