广义逆矩阵行处理法

给出求解满足关系式AA+ A =A的广义逆矩阵A+ 的行处理法并证明算法的正确性和收敛性 .

三对角方程组行处理法并行解法

利用行处理法和分治策略给出一个求解任意三对角方程组的并行迭代解法 ,证明了所给解法对任意相容性三对角方程组收敛 ,讨论了所给解法的迭代终止条件 ,进而讨论了其对应分布式MIMD并行迭代算法的设计法则 .按照并行解法 +并行计算机 =并行算法的模式 ,使用给出的并行解法 ,可以给出一些求解三对角方程组的新的MIMD并行迭代算法 .

线性方程组正交化行处理法并行算法

利用正交化行处理法和分治策略给出一个求解任意线性代数方程组的基于分布式存储MIMD二叉树树机模型的并行迭代算法,证明该算法对任意的相容性线性代数方程组收敛并分析算法的计算复杂度、数值稳定性和应用前景.

线性方程组行处理法收敛速度

分析决定线性方程组行处理法收敛速度的几何条件 ,给出设计线性方程组行处理法加速技术的一般原则 .

线性方程组分级行处理法贪心方法

给出在分布式存储的MIMD树机模型上求解任意相容性线性方程组的分级行处理法贪心方法 。

BREGMAN行处理算法的松驰改进

主要讨论了解决区间优化问题的BREGMAN行处理算法 ,对该算法进行了松驰改进 ,提出了并行松驰BREGMAN行处理算法 ,讨论了该算法的收敛敛性及稳定性 ,数值实验表明 ,该算法具有收敛速度快。

线性代数方程组行处理法分治策略

利用行处理法和分治策略给出一种求解任意线性代数方程组AX=b(A∈Rn×m)的迭代分治算法,证明算法对任意的相容性线性代数方程组收敛,并探讨算法的加速技术及其在线性代数方程组MIMD并行迭代算法研究中的应用前景.

部分变量已定值的线性方程组的行处理方法

给出含部分已定值变量的线性方程组的行处理法迭代解法，并分析算法的收敛性。

三对角方程组行处理法分布式并行算法

在文献 (四川师范大学学报 (自然科学版 ) ,2 0 0 2 ,2 5 (4) :35 1～ 35 4 .)的基础上 ,给出一个在分布式存储MIMD一级 3叉树树机模型上求解任意三对角线性代数方程组的分布式并行迭代算法并分析算法的通信复杂度 .

线性代数方程组正交化行处理法

给出了一种结合正交化方法和行处理法求解ｎ阶非奇异线性代数方程组计算方法。该方法经ｎ次迭代必收敛至理论上的精确解，且该方法对求解病态方程有效。

线性代数方程组的行处理法

线性代数方程组的行处理法杨本立（中国工程物理研究院职工大学）１非奇异线性代数方程组行处理法设ＡＸ＝ｂ是线性方程组ＢＸ＝Ｃ的同解方程组。如果ＡＸ＝ｂ的每一个方程（ａ￣ｉ，ｘ）＝ｂ＿ｉ（ｉ＝１，２，…，ｎ）都有（ａ￣ｉ，ａ￣ｉ）＝１及ｂ＿ｉ≥０，则称ＡＸ...

高次方程的行处理法

阐明高次方程行处理法基本思想，给出其实现办法。

线性方程组分级行处理法贪心方法

给出在分布式存储的MIMD树机模型上求解任意相容性线性方程组的分级行处理法贪心方法，证明算法收敛并分析算法的通信复杂度。

广义逆矩阵行处理法实现

给出了求解满足关系式AA+ A =A的广义逆矩阵A+ 的行处理法的程序设计方法 .

带状方程组行处理法分布式算法的串行模拟

给出一个模拟在分布式存储MIMD一级q叉树机上求解任意带状线性代数方程组的分布式并行算法的C语言程序,并以此为例探索串行计算的串行模拟方法,认为并行算法的串行模拟是在并行环境不具备时的一种研究并行算法的理想方法.

基于行处理的SAGE算法在PET图像重建中的应用(英文)

运用基于行处理(RA)的"单块"投影子集法改进了空间交替广义期望最大(SAGE)算法的收敛性.新的RA-SAGE算法以正交单投影序列的方式对投影数据进行处理,以减少投影间的相关性,达到加速收敛的效果.此外,在迭代搜索同时,新算法结合了超松弛变量,使其能快速接近全局最大似然解.实验中,运用RA-SAGE与SAGE对正电子发射断层(PET)进行了重建.结果表明,RA-SAGE收敛性能比SAGE优越,且重建图像质量较高.

广义逆矩阵行处理法

给出求解满足关系式ＡＡ＾＋Ａ＝Ａ的广义逆矩阵Ａ＾＋的行处理法并证明算法的正确性的收敛性。

三对角方程组行处理法分布式并行迭代算法的分组方法

给出大型和超大型三对角方程组的一种分组方法,使之适合三对角方程组行处理法分布式并行迭代算法设计中分治策略的需要,并适合三对角方程组行处理法并行解法在结合给定分布存储MIMD计算机模型时的任一种MIMD互连网络拓扑结构.

线性方程组子结构行处理法

根据行处理法迭代解法对有解线性方程组保证收敛的优点以及有解线性方程组中任选部分方程所组成的子方程仍有解的结论 ,推出求解大型线性方程组的子结构行处理法 .

线性方程组行处理法贪心方法分布式并行算法

利用行处理法－贪心方法^[1]给出一个基于MIMD树机模型的求解任意相容性线性方程组的收敛性迭代解法并行迭代算法并分析算法复杂度。