基于稀疏带状矩阵的二维图像重建

压缩传感(Compressed Sensing,CS)是数据采样同时实现压缩的新理论、新技术。针对大图像重构时采用的测量矩阵维数高,所需存储空间过大的问题,引入稀疏带状概念,提出了稀疏带状测量矩阵,可减少测量矩阵独立随机元,根据图像按列逐步处理的方式,测量矩阵维数大大降低。实验结果表明基于稀疏带状测量矩阵的逐列图像重构算法在保证重建质量的情况下,计算速度也大大提升。

计算对称带状矩阵特征值问题的并行二分/多分法

文中提出了在分布式环境下并行求解对称带状矩阵特征值问题的并行二分/多分法及其改进。该算法利用变形高斯消去法计算对称带状矩阵的Sturm序列，并利用Rayleigh 商迭代对二分/多分法加以改进。在算法的并行执行过程中，各处理机间不需通信，特别适合在分布式环境下的并行计算。最后给出了数值实验结果。

实对称带状矩阵逆特征值问题

研究了一类实对称带状矩阵逆特征值问题:给定三个互异实数λ,μ和ν及三个非零实向量x,y和z,分别构造实对称五对角矩阵T和实对称九对角矩阵A,使其都具有特征对(λ,x),(μ,y)和(ν,z).给出了此类问题的两种提法,研究了问题的可解性以及存在惟一解的充分必要条件,最后给出了数值算法和数值例子.

解对称带状矩阵特征值问题的二分法及其改进

提出了解对称带状矩阵特征值问题的一种二分法。当仅需计算指定的部分特征值及其特征向量时，该方法尤其适合。进一步，我们还对二分法作改进。改进策略是：先用二分法计算若干步，得到特征值的近似值；然后从该近似值出发进行Ｒａｙｌｅｉｇｈ商迭代，直至其达到要求的精度为止。

任意带状矩阵的求逆问题研究

对称Toeplitz矩阵、Toeplitz矩阵以及三对角矩阵在数学的众多领域有着广泛应用,尤其是三对角或更一般的带状矩阵经常被应用于解偏微分方程的有限差分法和求解变系数线性递归方程等问题之中.所谓r-带状矩阵B_(r,n),(1≤r≤n)指的是当-r≤i≤r,1≤j≤r时元素为{a_j^i},而剩下的其他元素全为零的n×n阶矩阵且r称为其带宽.在已有文献中,关于r-带状矩阵的许多特殊情况(r=1,2,3)的求逆问题已经得到彻底解决.为将这些结果一般化,对Mallik方法进行了推广,并获得了r-带状矩阵B_(r,n)的LU分解和求逆(如果存在)公式.特别地,当r=n时,它成为计算可逆方阵逆矩阵的新途径.

带状矩阵Kronecker积结构的矩阵函数与逆矩阵衰减界

带状矩阵以及带状矩阵Kronecker积结构的矩阵函数与逆矩阵的衰减界的研究是近些年非常热门的研究方向,其在数值分析、信号处理等领域有非常重要的应用.主要研究Kronecker积结构形如S_k=kΣi=1I...I︸i-1MI...I︸k-i的矩阵函数与逆矩阵的衰减界.

基于对称带状矩阵方程的配电网的潮流计算

依据实际配电网网络结构的特点,针对实际配电网辐射分支的结构,并在结合追赶法[1]的基础上,提出了一种针对一般配电网潮流的算法,该算法克服了牛顿-拉夫逊法雅克比矩阵条件数增大所导致的病态方程,以及收敛性差等缺点.

带状矩阵的多向量压缩存储

论述了矩阵的压缩存储技术,研究了带状矩阵的三种压缩存储方法,提出了带状矩阵一种新的压缩存储方法——多向量压缩存储,并得到了相应的映射函数.

广义带状矩阵A_(n,a,b)的分配函数

对广义带状矩阵采用顺序映象的存储方式，推导出了两种不同存储顺序的分配函数，并进行了优劣分析．

稀疏带状矩阵行列式的一类算法

提出了稀疏带状矩阵行列式的一类算法，其计算速度比例主元高斯消去法快2－5倍。文中对若干数值实验做了研讨。

大规模带状矩阵的存取

本文给出了国民经济规划或国家级能源规划中大规模带状矩阵的存取方法。带状矩阵按一维数组存放，按行号、列号、带参数与矩阵阶数的二次函数访问矩阵元素。访问一行或一列的元素时，只需计算一次地址。

带状稀疏矩阵乘法及高效GPU实现

稀疏-稠密矩阵乘法(SpMM)广泛应用于科学计算和深度学习等领域,提高它的效率具有重要意义。针对具有带状特征的一类稀疏矩阵,提出一种新的存储格式BRCV(Banded Row Column Value)以及基于此格式的SpMM算法和高效图形处理单元(GPU)实现。由于每个稀疏带可以包含多个稀疏块,所提格式可看成块稀疏矩阵格式的推广。相较于常用的CSR(Compressed Sparse Row)格式,BRCV格式通过避免稀疏带中列下标的冗余存储显著降低存储复杂度;同时,基于BRCV格式的SpMM的GPU实现通过同时复用稀疏和稠密矩阵的行更高效地利用GPU的共享内存,提升SpMM算法的计算效率。在两种不同GPU平台上针对随机生成的带状稀疏矩阵的实验结果显示,BRCV的性能不仅优于cuBLAS(CUDA Basic Linear Algebra Subroutines),也优于基于CSR和块稀疏两种不同格式的cuSPARSE。其中,相较于基于CSR格式的cuSPARSE,BRCV的最高加速比分别为6.20和4.77。此外,将新的实现应用于图神经网络(GNN)中的SpMM算子的加速。在实际应用数据集上的测试结果表明,BRCV的性能优于cuBLAS和基于CSR格式的cuSPARSE,且在大多数情况下优于基于块稀疏格式的cuSPARSE。其中,相较于基于CSR格式的cuSPARSE,BRCV的最高加速比为4.47。以上结果表明BRCV可以有效提升SpMM的效率。

实对称带状矩阵的广义特征值反问题及最佳逼近

为了丰富实对称带状矩阵特征值反问题的理论,讨论了如下两类广义特征值反问题:(1)由给定的k个互异的特征对和给定的实对称带状矩阵构造一个实对称带状矩阵;(2)由给定的实对称带状矩阵,在问题(1)的解集合中寻找一个实对称带状矩阵,作为给定矩阵的最佳逼近.根据带宽为两类不同的情形,对问题的可解性分别进行了讨论.利用线性方程组理论,奇异值分解以及投影定理,分别得到了两类反问题存在唯一解的充要条件,并给出了解的显式表达式和数值算法;最后通过数值例子说明了算法的有效性.

由谱数据数值稳定地构造实对称带状矩阵

§1.引言 设r,n是正整数并且0<r<n;A=(a_(ij))_(i,j)~n=1是n阶实对称矩阵;A(k)=(a_(ij))_(i,j)~k=1表示A的k阶顺序主子矩阵. 问题 IEPBM.给定实? {λ_i^((k))}_i^k(k=n-r,…,n)并且满足 λ_i^((k))≤λ_i^(k-1)≤λ_(i+1)^((k)),i=1,…,k-1,k=n-r+1,…,n_? (1.1)构造实对称矩阵A=(a_(ij))_(i,j)~n=1,使得A(k)具有特征值λ_1^((k)),…,λ_k^((k))(k=n-r,…,n)并且对|i-j|>r有a_(ij)=0.

具有带状系数矩阵的无限维线性规划的解法

研究一类每个约束条件有两个变量且每个变量出现在两个约束条件中的无限维线性规划.引入松弛变量后,得到约束方程组的系数矩阵为无限阶带状矩阵,用它的左逆以及属于零的特征向量可以表示这类问题的最优解.获得目标函数值收敛的一个充分条件.

基于带状混合矩阵ICA实现地震盲反褶积

基于对地震反褶积本质上是一个盲过程的认识,引入高阶统计学盲源分离技术——独立分量分析(ICA)实现地震盲反褶积.在无噪声假设条件下,利用地震记录时间延迟矩阵和地震子波带状褶积矩阵,将地震褶积模型转化为一般线性混合ICA模型,采用FastICA算法,将带状性质作为先验信息,实现所谓带状ICA算法(B-ICA),得到个数与子波算子长度相等的多个估计反射系数序列和估计子波序列,最后利用褶积模型提供的附加信息从中优选出最佳的反射系数序列及相应的地震子波.模型数据和实际二维地震道数值算例表明:对于统计性反褶积,在不对反射系数作高斯白噪假设,不对子波作最小相位假设的所谓"全盲"条件下,基于ICA方法(反射系数非高斯分布,地震子波非最小相位)可以较好解决地震盲反褶积问题,是基于二阶统计特性的地震信号统计性反褶积方法的提升,具有可行性和应用前景.

主对角线两边非对称分布的带状稀疏矩阵的压缩存储通用寻址公式

本文研究一个数据结构的问题。将文献[1]中关于m-对角n阶矩阵的元素压缩存储的寻址公式推广到非对称情况,得到了另一种新的寻址公式。并用例子验证此公式的正确性。

稀疏带状测量矩阵在压缩感知ISAR成像中的应用

将压缩感知(CS)理论用于逆合成孔径雷达(ISAR)成像,可以有效利用缺损的雷达回波数据,解决了因数据缺损造成成像质量下降的问题。目前压缩感知中常用的高斯或伯努利等随机测量矩阵独立随机元数目过多,存储空间过大,从而导致硬件实现成本过高。所构造的稀疏带状测量矩阵,通过将测量矩阵进行带状循环移位置零稀疏化,可大幅减少测量矩阵中非零元素数目,降低系统采样要求,节约硬件实现成本,使得压缩感知ISAR成像工程化更容易实现。最后通过仿真和微波暗室实验数据验证了点目标模型下稀疏带状测量矩阵进行ISAR成像的可行性和有效性。

用平面旋转变换将带状对称矩阵化为三对角矩阵的一个改进

求对称矩阵A的特征值问题是矩阵计算中的重要问题之一。通常是用正交相似变换将A化为对称三对角矩阵后再求其特征值。而正交相似变换一般有两种:一是Householder镜像变换;另一种是平面旋转变换。当A为大型带状对称矩阵时,用平面旋转变换较为方便,因为它能保持带宽,且矩阵带宽以外的部分不必占用存贮单元。本文拟对这种方法加以改进并得到一个递推公式(Ⅰ)以节省计算机的运算时间。