非线性拟双曲方程的特征变网格有限元方法和分析

对神经传播过程中的一类非线性拟双曲方程的初边值问题的三维情形应用常规变换，提出了特征变网格有限元格式，最后通过细致的分析和估计得到了最佳阶的L^2模误差估计结果。     

一类非线性奇异问题的有限元方法

讨论一类非线性奇异问题的对称有限元方法和非对称有限元方法，证明了弱解的存在唯一性，并给出有限元解的加权L2-模估计。     

Lagrange插值在一重积分Wiener空间下的平均误差

在加权L2范数逼近意义下确定了基于扩充的第一类Chebyshev结点组的Lagrange插值多项式列在一重积分Wiener空间下平均误差的强渐近阶．     

关于凸算子的一个结果

本文利用u_0-凹算子的性质来研究u_o—凸算子,给出关于一类u_0—凸算子正解存在的充要条件。     

基于相参积累的捷变频雷达系统相位误差估计与稀疏场景重构算法

针对系统相位误差导致的捷变频雷达目标回波信号相参积累性能下降问题,构建了系统相位误差下捷变频雷达目标回波信号相参积累模型,并基于目标的距离-速度二维稀疏性建立了最小e1范数优化模型,提出一种基于交替方向乘子法的系统相位误差估计与目标场景稀疏重构联合处理算法,实现了系统相位误差和目标参数的精确估计.仿真结果表明,在信噪比...     

基于l1范数主成分分析的极化SAR图像变化检测

为提高极化合成孔径雷达(synthetic aperture radar, SAR)图像变化检测算法的鲁棒性以及检测精度,提出基于范数主成分分析(linorm principal component analysis,l1-PCA)模型的变化检测算法。首先,采用基于Hotelling-Lawley复矩阵迹变化检测算子构造差异图;其次,采用l1-PCA模型获取差异图的变化信息,使得每个像素以一个特征向量来表示;最后,使用k-means算法对变化信息进行聚类,得到变化检测结果。该方法是一种非监督变化检测方法,相比于基于2范数的PCA检测方法,l1-PCA在特征提取方面具有更高的鲁棒性,并且可以进一步提高变化检测精度。基于RADARSAT-2卫星获取的3幅图像进行的实验结果表明,相较于其他两种典型算法,所提算法更加稳定,精确度更高。     

I{2}和M{2}的有效刻画(英文)

Stewart给出了一个矩阵2-逆集合M{2}的刻画公式.但其中含有多余的任意参数,因而不是一个有效刻画.本文利用方阵的满秩分解,为I{2}_s的一个真子集B_1剔除了Stewart公式中的多余任意参数,得到了B_1的有效刻画公式;还证明了I{2}是其有限个子集的并集,其中每个子集与B_1等距同构.由此可分别建立I{2},I{2},M{2}和M{2}的有效刻画公式.算法2.1则可用于无重复地计算I{2}_s的每个元素.     

结合流形结构与柔性嵌入的多标签特征选择

将线性回归模型与流形结构相结合,构成了弱线性多标签特征选择的联合框架。首先,用最小二乘损失函数来学习回归系数矩阵;其次,通过标签流形结构来学习数据特征的权重矩阵;再次,用L2,1-范数来约束回归系数矩阵和特征权重矩阵,这样既能引导稀疏性,又有利于特征选择。此外,设计并证明了具有收敛性的迭代更新算法来解决上述提出的问题。最后,所提出的方法在多个经典多标签数据集上进行了验证,实验结果表明了所提算法的有效性。     

保精度-稀疏特性核回归模型的非线性动态系统辨识

针对一组有限测量数据的非线性动态系统建模方法存在模型结构复杂且易出现过拟合等问题,从建模精度及模型稀疏特性出发,提出了保精度-稀疏特性的核回归模型用于辨识非线性动态系统。该方法将逼近误差的L_∞范数思想与结构风险最小化理论相结合,建立求解非线性动态系统所对应的核回归模型优化问题,再应用较简单的线性规划对其求解。提出的方法具有如下三个显著特性:①应用逼近误差的L_∞范数最小化可保证非线性动态系统的辨识精度;②引入支持向量回归架构下的结构风险L_1范数对模型结构复杂性进行有效控制可保证模型稀疏特性;③模型的泛化性能可通过提出的方法从建模精度与模型稀疏特性之间取其平衡。最后,通过实验分析论证了提出方法在辨识非线性动态系统上的保精度-稀疏特性的合理性与优越性。