基于相似度量的核主成分序列极小化方法

研究优化主成份序列分类精度,针对支持向量机在小样本情况下泛化能力差的问题,为提高训练的准确率,提出了一种基于相似度量的核主成分序列极小化方法,方法在进行核主成分分析时,使用混合核函数,权值和形式参数是通过遗传算法,以矩阵相似性度量作为适应度,优化求得的,得到最有利于分类的核主成分空间。使用序列极小化方法对主成分做进一步的选择,降低输入空间的维数,同时由于是线性的支持向量机,不会增加学习机的VC维,从而提高了小样本情况下分类的准确率。通过实验证明改进方法是有效的。

带有小参数变分问题的极小化序列

针对一类含有小参数的变分问题构造了零次渐近解,并证明了当小参数趋向于0时,该零次渐近解就是原问题的极小化序列.

序列无约束极小化技术和遗传算法在非线性规划中的应用

本文提出了一种求解带约束非线性规划问题的一般方法。与现有的方法相比 ,它不受可导性 ,单峰性和是否病态等因素的限制 ,适用范围广。

序列无约束极小化技术和遗传算法在非线性规划中的应用

提出了一种求解带约束非线性规划问题的一般方法，与现有的方法相比，它不受可导性，单峰性和是否病态等因素的限制，适用范围广，实例说明该算法的对带约束非线性规划问题的求解十分有效。

序列无约束极小化技术和遗传算法在非线性规划中的应用

提出了一种求解带约束非线性规划问题的一般方法。与现有的方法相比,它不受可导性、单峰性和是否病态等因素的限制,适用范围广。实例说明该算法对带约束非线性规划问题的求解十分有效。

广义LQ最优控制问题的极小化序列

将经典LQ问题的评价泛函中关于控制变量的二次型推广为一类偶次多项式,证明了这类广义LQ无约束最优控制问题的一个等价扩张逼近可由一列半径递增的球约束最优控制问题加以实现.进而利用P0ntryagin极值原理建立相应的球约束最优控制问题的二次规划,并通过Canonical倒向微分流及不动点定理,求解常微分方程边值问题,得到球约束最优控制问题的最优值.随着约束球半径趋于无穷大,形成原广义LQ最优控制问题的一个极小化序列,从而得到原问题的最优值.

L^1中的极小化问题

本文用新的方法克服Ｌ１非自反带来的困难，证明了Ｌ１［０，１］中极小化问题的存在性。

一类非齐次非线性Schrödinger方程驻波的轨道稳定性

该文主要研究一类非齐次非线性Schrödinger方程在质量次临界条件下驻波的存在性和轨道稳定性.通过一个变分原理,讨论了约束变分问题极小化序列的紧性,并由此得到驻波的存在性,进一步证明了驻波的轨道稳定性.

支持向量机算法在多目标优化中的仿真应用

针对目前多目标输出SVM回归的算法使用多阈值,其预测效果不理想、运算量大问题,提出采用相同阈值的SVM多目标输出回归的算法,然后对交叉验证提出均匀化均方误差统计方法。首先采用粒子群算法对SVM模型作参数优化,然后用改进的序列极小化特征选择算法优化SVM特征。仿真结果说明粒子群算法对参数优化,均匀化均方误差作为评价准则,效果相对较好,在多目标优化问题中的应用研究具有广泛的应用前景。

基于多分类支持向量机的模式识别研究

支持向量机是现代人工智能领域中的一个重要分支,它在统计学习理论的基础上,实现了结构风险最小化,提高了分类器的泛化能力,保证了分类的准确度。论文提出一种基于多分类支持向量机的模式识别方法,采用特征选择序列极小化算法对数据样本特征进行选择,并在此基础上,分析对比了"一对一"分类算法和"一对多"分类算法,实验结果表明,"一对一"分类算法的分类准确性较高,且具有较好的推广能力。

深度优先算法在多目标SVM模型中的仿真应用

针对目前多阈值的多目标输出SVM回归算法的预测效果不理想、运算量大的问题,提出采用相同阈值的SVM多目标输出回归算法,将启发式深度优先搜索引入到SVM的参数寻优过程中,然后用改进的序列极小化特征选择算法优化SVM特征。仿真结果说明采用深度优先算法对参数优化,效果相对较好,在多目标优化问题中的应用研究具有广泛的应用前景。

固定资产投资系统的稳定性分析及最优控制问题

给出带有时滞的一类固定资产模型 ,此模型为含有非局部和时滞边界条件的分布参数系统 .通过Lyapunov函数 ,对系统的稳定性进行了分析 ,给出系统稳定的充分条件 ,然后 ,讨论了积累率的最优控制问题 .根据Banach空间的一些理论 ,证明了其最优解的存在唯一性 .

可行方向SUMT外点法的研究及应用

针对序列无约束极小化技术(sequential unconstrained minimization technology,SUMT)外点法中由于设计变量越界而导致优化失败的问题,分析了设计变量越界的原因,将SUMT外点法和可行方向法相结合,提出了一种可行方向SUMT(feasible direction SUMT,FD-SUMT)外点法。用可行方向法的思想处理设计变量的约束,将搜索空间限定在设计变量可行域内。与传统的SUMT外点法相比,该方法除实现简单外,更具有鲁棒性高、收敛快等优点。通过数值算例和工程应用实例验证了FD-SUMT外点法的性能。优化结果表明,该方法消除了设计变量越界的情况,收敛速度和鲁棒性明显高于传统的SUMT外点法,而且初值选取容易,具有工程实用性。

带有环境制约函数的非线性资产发展方程的最优控制问题

近年来,系统科学理论的发展为研究经济系统提供了新的思路和方法.资产积累率是资产发展系统中的一个重要参数,对带有环境制约函数的非线性资产发展方程中积累率的最优控制问题进行了研究.利用Banach空间理论,对极小化序列中的弱收敛序列,构造一强收敛极小化序列,得到了其最优解的存在性和唯一性,结果推广和改进了最近文献的一些主要结果.

一类具有垂直传播的HIV模型最优控制问题

针对一类具有垂直传播的HIV模型,在已讨论了各平衡点的全局稳定性的基础上,对模型施加控制且进行分析,将有效接触率作为控制变量,用范数指标函数作为衡量控制变量的标准得出该模型最优控制元的存在惟一性.

全局收敛移动渐近线法子问题的求解与数值验证

对全局收敛移动渐近线法构造的子问题进行了深入研究。基于子问题的凸性、可分性和保守性,应用Lagrange对偶方法求解子问题,给出了对偶问题的具体构造步骤。应用最优性条件将含不等式约束的原始非线性规划问题简化为只包含Lagrange乘子的非负约束优化问题。采用序列无约束极小化方法将对偶问题转变为无约束优化问题,并通过共轭梯度法求解。最后,通过桁架结构优化问题验证了算法的可行性,与其他算法相比可减少计算时间,提高收敛速度。

开放式基金规模变化系统净投资变化率同定问题

讨论了开放式基金规模变化系统中的基金净投资变化率同定问题,利用Banach空间理论得到了同定问题的解的存在惟一性.

Banach空间上凸泛函的某些对偶性质

本文对Banach空间上的凸泛函建立了若干对偶性质，通过对偶的手段，建立了非常简洁的凸泛函极小化序列弱收敛的特征定理．

Banach空间中方向偏导数

应用Banach空间中的广义Schauder基,建立了Banach空间中方向偏导数理论,给出了几个重要定理和泛函极小化序列的坐标法构造.