由小波变换模极大值重构信号的改进解析迭代算法

在分析了经典的重构算法的不足之后 ,以小波变换的多孔算法电路为依据 ,提出了一种改进的解析迭代新算法 ,由信号的各个分解尺度上的小波变换的模极大序列和最大分解尺度上的离散逼近信号 ,通过迭代直接重构信号。该算法不需要进行小波反变换 ,也不需要对最大分解尺度上的离散逼近信号进行重采样 ,而且投影算子是解析形式的 ,克服了非解析形式投影算子计算量大、程序复杂等缺点。数值仿真试验证明了该算法信号重构的精度较高 ,收敛速度较快。

依据迭代系数状态因子分段的变步长NLMS算法

针对固定步长的归一化LMS算法(NLMS)存在不能同时兼顾收敛速度与稳态误差的问题,本文提出一种依据迭代系数状态因子进行分段的变步长NLMS算法。该变步长NLMS算法采用迭代系数状态因子作为表征迭代系数与实际系数的逼近状态的指标。当迭代系数状态因子值大于1,则说明迭代系数有偏离真实系数的趋势,此时采用步长因子较大的变步长方案;反之,说明迭代系数有逼近真实系数的趋势,应该采样步长因子较小的变步长方案。这样的自适应选择措施使得算法具有较强的收敛能力。理论分析和实验表明:在同样实验条件下,本文算法能够获得比其他文献更快的收敛速度和更小的稳态误差。

变系数模型的稳健LS-SVR估计算法及数值分析

变系数模型的最小二乘支持向量回归估计方法(VC-LS-SVR)是最近提出的一种用于分析变量间回归关系动态变化特征的有力工具,经典非参数回归模型与机器学习方法相融合的新技术,不仅增强了变系数模型对变量间非线性关系的适应性与可计算性,同时继承了经典统计模型的可解释性。但是上述方法直接利用最小二乘支持向量回归(LS-SVR)技术拟合变系数模型,缺乏稳健性,数据中的异常值会扭曲系数函数的估计,从而引起对回归关系的误导性解释。为解决上述问题,基于VC-LS-SVR和加权思想提出了两种稳健估计方法:变系数模型的加权最小二乘支持向量回归估计方法(VC-WLS-SVR)与迭代重加权最小二乘支持向量回归估计方法(VC-IRLS-SVR)。数值实验结果表明两种方法具有稳健性,能够有效抑制异常值的影响,即使在异常数据污染率达到50%或存在极端异常值的情况下,也能获得准确和稳定的估计结果。

一维溶质运移源(汇)项系数反演的迭代正则化算法

对于多孔介质中发生物理化学反应的溶质运移现象,可以用带有非线性源(汇)项作用的一维对流弥散-反应扩散方程来描述,但方程中反映溶质吸附/解吸附能力的源(汇)项系数往往是未知的.本文讨论了基于出流端浓度观测数据的源项系数反演问题.根据Tikhonov正则化和矩阵的奇异值分解系统,建立了一种离散的迭代正则化算法,给出了算法实现步骤.数值模拟结果表明该算法不仅精度高,而且对于数据的随机扰动具有稳定性.最后应用建立的算法反演计算了一个具体的土柱试验源项系数,数值结果也表明文中所构造算法的有效性.

解广义混合似变分不等式的预测校正迭代算法

研究了一类广义混合似变分不等式,应用辅助变分不等式的技巧,在非紧假设条件下,用新的迭代方法,提出了求解广义混合似变分不等式的预测 校正迭代算法,并讨论了由算法所生成迭代序列的收敛性.

河流水质纵向弥散系数反问题的迭代算法

以函数逼近和Tikhonov正则化为基础,利用算子识别摄动法、线性化技术,建立了河流水质纵向弥散系数反问题的迭代算法,并给出了计算实例,其结果表明,该方法具有数值精度高,稳定性好,收敛速度快,整个参数反演过程可以程序化,由计算机完成等优点。值得在实际工作中采用。

求解一类广义混合变分不等式组的迭代算法

在Hilbert空间中,引入和研究了一类包含n个不同算子和n个不同泛函的广义混合变分不等式组,利用η-次微分算子的预解式技术,给出了一个求解此类变分不等式组的显式n步迭代算法;最后证明了该算法在适当的条件下收敛.所得的结果推广和改进了目前一些文献只讨论了包含一个非线性算子的变分不等式组以及所提出算法是隐式的结果.

关于单调混合变分不等式的带有误差的Mann迭代算法

研究了单调混合变分不等式的一些新的带有误差项的Mann迭代算法以及在实Hilbert空间中的收敛性.

汽车车内噪声主动控制迭代变步长LMS算法

针对LMS算法无法同时兼顾收敛速度和稳态误差固有缺陷,及已有变步长LMS算法存在易受噪声干扰影响的问题。文中通过建立步长因子与迭代次数之间的非线性函数关系,提出了一种基于迭代变步长LMS算法的汽车车内噪声主动控制方法。通过将基于LMS算法、变步长LMS算法和迭代变步长LMS算法的汽车车内噪声主动控制结果进行对比,结果表明,与LMS算法相比,迭代变步长LMS算法的收敛速度提高37%;与变步长LMS算法相比,迭代变步长LMS算法的收敛速度提高15%,具有更快的算法收敛速度和较小的稳态误差。

求解混沌映射不变分布的区间迭代算法

从Frobenius-Perron积分方程出发,将混沌映射的不变分布看成Frobenius-Perron算子的不动点,经过简化后得到了该不动点的逼近迭代式。在样本数较少的情况下,采用区间迭代算法完成了不变分布的迭代逼近。该方法克服了直方图法要求样本数目大,统计误差明显的缺点,特别适用于分析样本数受限的实际系统。

一类含广义m-增生算子的广义变分包含系统解的迭代算法

在实q-一致光滑的Banach空间中,研究了一类含广义m-增生算子的广义变分包含系统,利用关于广义m-增生算子的预解算子技巧,在得到了这类新的广义变分包含系统解的存在性和唯一性的基础上,进一步地,构造了其逼近解的Mann扰动迭代算法,在一定条件下,得到了这类迭代算法的收敛性和稳定性.所得结果,统一和发展了近期有关文献的相应结果.

求解单调变分不等式的一类迭代算法

给出了求解单调变分不等式的一类迭代算法. 通过解强单调变分不等式子问题,产生一个迭代点列,该迭代点列收敛到变分不等式的解. 最后,给出了这类新算法的收敛性分析.

解非线性混合似变分不等式的预测-校正迭代算法(英文)

对映象引入了部分松驰η 强单调性概念.应用辅助变分不等式技巧,建议和分析了求解非线性混合似变分不等式的预测 校正迭代算法.算法的收敛性证明仅需要映象的部分松驰η 强单调性,此性质比η 余强制性更弱.这些算法的收敛性结果是新的且推广了文献中某些已知结果.

广义变分不等式的一类迭代算法

利用Hilbert空间中闭凸集上的投影算子 ,构造涉及多值映射的广义变分不等式的一类迭代算法。并证明迭代序列强收敛于广义变分不等式的解 。

Hilbert空间中包含(H,η)-单调映像的广义非线性集值混合拟变分包含的扰动近似点迭代算法

引入和研究了Hilbert空间中包含(H,η)-单调映像的一类新的广义非线性集值混合拟变分包含.使用(H,η)-单调映像的预解算子技巧,提出了一类新的扰动近似点迭代算法来逼近此类变分包含的解.进一步讨论了由此扰动迭代算法产生的迭代序列的收敛特征.这些结果延伸和推广了文献的许多结果.

一类含(A,η)-增生算子的广义混合拟-似变分包含组的p步迭代算法

研究了实q-一致光滑Banach空间中一类新的含(A,η)-增生算子的广义混合拟-似变分包含组,利用(A,η)-增生算子的预解算子技巧,证明了解的存在性及由新的P步迭代算法所生成序列的收敛性.所得的结果是相关问题的最新结果,是近期众多结果的统一、改进和推广.

关于一类广义集值非线性隐变分不等式的迭代算法

引入并研究了一类广义集值非线性隐变分不等式 ,在Hilbert空间中给出了解的迭代算法以及收敛性分析 。

关于完全广义混合强非线性变分包含的迭代算法

引入并研究了Hilbert空间中一类新的完全广义混合强非线性变分包含 ,利用极大单调映射的预解算子技巧建立了新的三步迭代算法 。

一类广义非线性拟变分不等式解的迭代算法

在Hilbert空间里引入和研究了一类新的广义非线性拟变分不等式 .利用投影技巧 ,构造出了这类广义非线性拟变分不等式解的近似迭代算法 ,并且证明了算法的收敛性 ,推广了最近文献中的强变分不等式 ,强拟变分不等式等已知结果 .

Banach空间中广义集值拟变分包含的带误差项的摄动迭代算法

研究了一类新的实Banach空间中的广义集值拟变分包含:0∈N(w,y)+A(g(u),u),它包含了近年来许多作者所作的变分包含问题.在实Banach空间中,利用极大增生算子的性质,建立了实Banach空间中的广义集值拟变分包含和不动点问题之间的等价性.利用这种等价性,建立了一些带误差项的摄动迭代算法,并证明了近似解序列强收敛于精确解.该算法改进了已有相关算法和结果.