期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
亏秩线性最小二乘问题的AOR迭代法的半收敛性 被引量:3
1
作者 陈永林 《南京师大学报(自然科学版)》 CAS CSCD 北大核心 2005年第4期1-7,共7页
本文研究了找不相容线性方程组Ax=b的极小范数最小二乘解x=A+b的AOR迭代法.利用广义逆矩阵的知识,我们给出了AOR法的迭代阵Lr,ω半收敛的充分必要条件,并且给出了文[8]与[9]中几个主要定理的较简单的证明.
关键词 线性最小二乘问题 AOR迭代法 半收敛性 分裂
下载PDF
三对角符号矩阵的最小秩完备化问题
2
作者 牟谷芳 汪天飞 《四川师范大学学报(自然科学版)》 CAS 北大核心 2017年第3期295-300,共6页
利用图论方法研究不完备的三对角全符号矩阵的最小秩完备化问题.通过符号二部图的二部迫零法获得不完备的三对角全符号矩阵的最小秩为1、2、3的完备化问题.
关键词 全符号矩阵 符号二部图 二部迫零数 最小完备化问题
下载PDF
亏秩最小二乘问题的最优AOR方法(英文)
3
作者 谈雪媛 《南京师大学报(自然科学版)》 CAS CSCD 北大核心 2011年第4期1-8,共8页
主要研究了求解亏秩线性最小二乘问题的AOR方法的最优参数、渐近半收敛因子及其明晰的表达形式.并给出了两个数值例子阐明结论.
关键词 AOR方法 最优参数 2-循环 渐近半收敛因子 线性最小二乘问题
下载PDF
核范数最小化问题的非精确Halpern型邻近点算法(英文)
4
作者 范晓冬 王海军 《渤海大学学报(自然科学版)》 CAS 2013年第1期12-15,共4页
本文针对求解核范数极小矩阵优化问题给出一种新的可执行的非精确Halpern型邻近点算法,并证明该算法生成的迭代点列强收敛于起始点在解集上的投影.
关键词 邻近点算法 强收敛 核范数 矩阵最小秩问题 Halpern型算法
下载PDF
立方多变量公钥密码体制的最小秩分析
5
作者 张栖 聂旭云 《计算机应用》 CSCD 北大核心 2020年第7期1965-1969,共5页
立方加密体制是经典的多变量公钥密码体制Square的改进方案,其中心映射由平方映射改为了立方映射,由此将公钥多项式从二次提升到三次来抵抗针对二次多变量公钥密码体制的最小秩攻击。针对这种体制,提出一种结合差分的最小秩攻击,旨在恢... 立方加密体制是经典的多变量公钥密码体制Square的改进方案,其中心映射由平方映射改为了立方映射,由此将公钥多项式从二次提升到三次来抵抗针对二次多变量公钥密码体制的最小秩攻击。针对这种体制,提出一种结合差分的最小秩攻击,旨在恢复它的私钥。首先,分析体制的中心映射差分,并根据差分后的结构来确定它的秩;然后,求解公钥差分,并提取二次项的系数矩阵;接着,由系数矩阵以及确定的秩构造一个最小秩问题;最后,结合扩展的Kipnis-Shamir方法对问题进行求解。实验结果表明,利用最小秩攻击可以恢复立方加密体制的私钥。 展开更多
关键词 多变量公钥密码体制 SQUARE 最小攻击 最小秩问题 Kipnis-Shamir攻击
下载PDF
仿射约束矩阵秩最小问题与无约束矩阵秩最小问题的等价性
6
作者 崔安刚 李海洋 《山东大学学报(理学版)》 CAS CSCD 北大核心 2016年第4期86-89,共4页
证明了仿射约束矩阵秩最小问题与无约束矩阵秩最小问题的等价性,即存在λ0>0,对于任意的λ∈(0,λ0),无约束矩阵秩最小问题与仿射约束矩阵秩最小问题有相同的最优解。通过求解无约束罚函数矩阵秩最小问题的最优解来近似替代仿射约束... 证明了仿射约束矩阵秩最小问题与无约束矩阵秩最小问题的等价性,即存在λ0>0,对于任意的λ∈(0,λ0),无约束矩阵秩最小问题与仿射约束矩阵秩最小问题有相同的最优解。通过求解无约束罚函数矩阵秩最小问题的最优解来近似替代仿射约束矩阵秩最小问题的最优解是可行的。 展开更多
关键词 仿射约束矩阵最小问题 无约束矩阵最小问题 无约束罚函数矩阵最小问题
原文传递
Convergence analysis of projected gradient descent for Schatten-p nonconvex matrix recovery 被引量:2
7
作者 CAI Yun LI Song 《Science China Mathematics》 SCIE CSCD 2015年第4期845-858,共14页
The matrix rank minimization problem arises in many engineering applications. As this problem is NP-hard, a nonconvex relaxation of matrix rank minimization, called the Schatten-p quasi-norm minimization(0 < p <... The matrix rank minimization problem arises in many engineering applications. As this problem is NP-hard, a nonconvex relaxation of matrix rank minimization, called the Schatten-p quasi-norm minimization(0 < p < 1), has been developed to approximate the rank function closely. We study the performance of projected gradient descent algorithm for solving the Schatten-p quasi-norm minimization(0 < p < 1) problem.Based on the matrix restricted isometry property(M-RIP), we give the convergence guarantee and error bound for this algorithm and show that the algorithm is robust to noise with an exponential convergence rate. 展开更多
关键词 low rank matrix recovery nonconvex matrix recovery projected gradient descent restricted isometry property
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部