基于非对称广义中心化矩阵的多维尺度定位算法

在无线传感器网络定位问题中,传感器节点间距离并不能全部直接测量,一般通过多跳距离进行最短路径估计。就经典多维尺度(Multidimensional Scaling,MDS)算法而言,其定位精度受距离估计精度的影响较大,少量误差较大的距离估计会极大影响定位结果。为了减少"错误"距离估计的影响,提出一种基于非对称广义中心化矩阵的多维尺度定位算法。该算法提出一类非对称广义中心化矩阵,并研究了中心化矩阵对定位误差的影响,从而选择有助于抑制"错误"距离的中心化矩阵提高定位精度。通过改变中心化矩阵中元素的权重,可以显著提升部分节点相对位置的定位精度。实验结果表明,与经典MDS算法相比,基于非对称广义中心化矩阵的MDS算法打破了原来中心化矩阵的局限性,可以有效减小距离估计误差对定位的影响,提高节点的定位精度。

求解非对称矩阵广义特征问题的Lanczos-QR方法

文中用双向 Lanczos迭代将非对称矩阵广义特征问题转化为三对角矩阵标准特征问题 ,然后用带原点移位的双重步 QR法求解三对角矩阵的特征问题 ,整个求解过程都是实数运算 。

非对称矩阵结构系统固有值分析的广义逆迭代法

本文提出一种求解非对称矩阵结构的固有值的数值方法-通过广义的逆迭代过程把一个大型非对称的二次特征值问题简化为小型的标准特征值问题.算法不涉及复数运算,也不需把n阶的二次问题变换为2n阶的线性问题.迭代是在原n阶规模上进行,从而保持了系统各矩阵稀疏、带状的特点.节省了存储量和计算机时.数值实验表明本方法具有良好的稳定性和精度.

关于“非对称广义正定矩阵定义的再推广”一文的注记

指出非对称广义正定矩阵的主子矩阵一般不是非对称广义正定矩阵。

非对称广义正定矩阵定义的再推广

对常规的正定矩阵的定义进行了推广，由此得出非对称的广义正定矩阵及一些结果。

非对称广义正定矩阵定义的再推广

对常规的正定矩阵的定义进行了再推广,由此得出非对称的广义正定矩阵及一些结 果。

非对称广义特征值问题的并行连续同伦算法

非对称矩阵广义特征值问题的并行计算是大规模工程计算中的基础问题之一。迄今为止，国内外关于该问题的研究进行得很少，提出的有效算法不多。首次将连续同伦算法应用于非对称广义特征值问题的并行求解，提出并行连续同伦算法。

非对称广义特征值问题并行处理的一些进展

广义特征值问题AX =λBX(A、B是N阶方矩阵 )的并行处理是大规模科学与工程计算中的基础问题之一。迄今为止 ,国内外学者对该问题的研究多集中于对称矩阵广义特征值问题的并行处理 ,并形成多种算法和相应软件。而非对称矩阵广义特征值问题并行处理的研究相对进行得较少。介绍作者等人近几年来在非对称广义特征值问题并行处理方面的一些工作。它包括 :QZ算法的并行化 ,并行拟 Eberlein算法及并行同伦数值方法等。

非对称广义特征值问题的并行算法

广义特征值问题 AX=λBX(A，B 是 N 阶方矩阵)的并行处理是大规模科学与工程计算中的基础问题之一。本文 介绍了解决非对称广义特征值问题并行处理方面的解决方法--并行同伦算法。

关于广义正定矩阵的几个新结果

本文利用广义正定矩阵的概念 ,对其作进一步的研究 ,并由此得出广义正定矩阵的几个新结果。

广义矩阵代数上的非线性Lie中心化子

令G是广义矩阵代数。若φ:G→G是非线性Lie中心化子,在一些微弱的假设下,得φ=φ+τ,其中φ:G→G是可加的中心化子,τ:G→Z(G)对所有x,y∈G,满足τ[x,y]=0。作为应用,获得了因子von Neumann代数、三角代数上非线性Lie中心化子的刻画。

广义矩阵代数上的中心化子

设g=g(A,M,N,B)是平凡的广义矩阵代数,Ω是g中任意但固定的一点.本文证明了在一定条件下,线性映射Φ对满足ST=Ω的S,T∈g有Φ(Ω)=Φ(S)T=SΦ(T)当且仅当Φ是g上的中心化子.

合理进行多元分析——广义主成分分析

本文目的是介绍与广义主成分分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括合成资料、拟合成资料、部分合成资料和广义主成分分析;计算方法涉及对数中心化,构造协方差矩阵S以及求矩阵S的特征值和特征向量;两个实例分别是“某矿石中5种成分的含量”和“1993年我国30个地区农民家庭消费资料”。借助SAS对两个实例中的定量资料进行广义主成分分析,只需要1个主成分就可包含多个原变量所包含的85%以上的信息,取得了很好的降维效果;在例2中,基于广义主成分的计算结果,还实现了对地区的排序和初步分档。

一种改进窗函数的低时延语音增强算法

语音增强技术作为语音数字信号处理前端的预处理技术,在提高语音的可懂度和总体感知质量等方面扮演着重要角色。而以短时傅里叶变换为基础的语音增强算法会产生窗大小加跳数的算法延时,通常在考虑窗口大小和频谱分辨率后,算法的固有时延会大于64ms。然而,这样的高时延对于包括助听器在内的一些实时性要求较高的应用是很难满足的。为解决上述问题,对传统汉宁窗进行了改进,提出一种非对称的窗函数,并将其与无监督GCC-NMF算法相结合得到了一种无监督的两通道低时延的GCC-NMF语音增强算法。通过从SiSEC获取的语音和现实噪声的两通道混合信号数据集上进行性能评估。使用PEASS和BSS Eval工具包分别使用基于感知、基于SNR进行度量,同时使用STOI和ESTOI对语音的清晰度进行评测。最后,将上述方法与对称窗方法以及其它无监督的语音增强方法进行比较。结果证明,所提出的方法不仅能够将算法时延降低至2ms,还能保持各项评估指标均优于其它无监督以及对称窗方法。

Jacobi型方法的一些研究

回顾了 Jacobi 方法与拟-Jacobi 方法的发展历史,介绍了并行 Jacobi 方法与并行拟-Ja-cobi 方法的研究现状。针对网格状分布式多处理机系统就非对称广义特征值问题设计了一种拟-Jacobi 方法的并行处理方案,并对 G.W.Stewart 提出的一种算法做了修正。

中国各地区抑制性金融发展的空间关联效应——基于广义空间计量模型的分析

无论是基于争夺经济资源的金融竞争还是自上而下的政治标尺竞争,地方政府的金融干预行为都可能呈现出空间相关性。通过构建金融干预行为的反向复合指标,且在广义空间计量模型中分别引入非对称权重矩阵与两区制划分,发现省级政府之间确实存在着针对金融干预的模仿竞争,但是误差冲击又导致了地方政府的差异化反应。同时,在政绩竞赛中落后会增强省级政府对其竞争者干预行为的敏感性,而内陆省份相比于沿海省份的空间相关程度也更高。这一结论在加强中央政府的金融协调监管职能以及尽快转变GDP导向的政绩考核标准层面,具有重要的政策启示意义。