曲线曲面局部最小二乘渐进迭代逼近

作为一种有效的大数据拟合方法,曲线曲面最小二乘渐进迭代逼近方法(LSPIA)吸引了众多研究者的关注,并获得了广泛的应用。针对LSPIA算法拟合局部数据点效果较差的问题,提出了一种局部的LSPIA算法,称为LOCAL-LSPIA。首先,给定初始曲线(曲面)并从给定的数据点中选择部分数据点;然后在初始曲线(曲面)上选择需要调整的控制点;最后,LOCAL-LSPIA通过迭代调整这一部分控制点来生成一系列局部变化的拟合曲线(曲面),并且保证生成的曲线(曲面)的极限是在仅调整这部分控制点的情况下拟合部分数据点的最小二乘结果。在多个曲线曲面拟合上的实验结果表明,为达到相同的拟合精度,LOCAL-LSPIA算法比LSPIA算法需要的步骤和运算时间更少。因此,LOCAL-LSPIA是有效的,而且在拟合局部数据的情况下比LSPIA算法的收敛速度更快。

基于二次型迭代逼近法的电力系统电压鞍结分岔点识别

为实现负荷增长过程中电力系统鞍结分岔点(SNB)的快速准确识别,提出一种直接计算电力系统电压崩溃点的二次型迭代逼近方法,基于系统中PQ节点输出的PV曲线为近似二次型的特点,在节点功率平衡方程中引入负荷增长参数,运用复合函数求导法则就功率方程进行两次求导,理论推导节点电压对负荷参数的一阶、二阶导数表达式,由此确定PV曲线二项式,依靠顶点坐标确定电力系统鞍结分岔点的初始位置,经多次迭代收敛逼近电压崩溃点。所提方法避免了连续潮流法的多次潮流计算,可显著降低计算量。以IEEE 14,IEEE 118节点系统进行仿真验证,证明了该方法的有效性,相较增补P’Q节点法及戴维南等值法,二次型迭代逼近法具有较高的计算效率和鲁棒性。

一类快速收敛的渐进迭代逼近方法

渐进迭代逼近(PIA)是一种用于数据拟合的经典几何迭代方法,其操作简单,表达显式.针对经典PIA算法存在收敛速度慢的问题,将逆矩阵的具有高阶收敛的迭代算法与经典PIA方法融合,提出一类单步非定常的加速PIA算法.首先,对给定数据点用均匀或累加弦长法进行参数化;然后,用加速PIA算法调整控制点生成拟合曲线(曲面)序列,从理论上保证了生成的曲线(曲面)序列的极限插值原始数据点.在规则曲线曲面,散乱数据点以及加噪声散乱数据点的拟合实验结果表明,在相同终止误差条件下,相比经典PIA算法,所提加速PIA算法需要的迭代次数平均减少84.75%,运算时间平均减少65.53%.

基于目标分解的逐次迭代逼近混合预编码算法

为改善大规模毫米波多输入多输出的性能,提出一种基于目标分解的逐次迭代逼近混合预编码算法。基于目标分解,通过采用逐次迭代逼近、交替优化的求解方法和加入中继设备扩大传输范围的模型设计方法,研究混合预编码矩阵设计的问题。仿真结果表明,所提算法可以获得更加理想的系统均方误差和总和速率,其性能逼近理想预编码性能,具有有效性和可靠性。

关于求解矩阵方程AXB = C的广义Richardson迭代及其收敛性

本文研究了对于方程AXB = C在传统的Richardson方法基础上,与外推法结合得到的广义Richardson迭代方法。首先,提出广义Richardson迭代方法,然后证明其收敛性。最后,通过数值实验,验证了该迭代方法比传统的渐进迭代逼近法方法(PIA)更有效。

基于函数值不动点逼近的四类改进迭代算法

基于函数值不动点逼近是求解非线性方程简单迭代的一个重要方面.本文通过对不动点迭代的分析,构造四类改进的迭代算法,并通过对迭代公式的收敛性分析和数值计算,证明四类改进迭代算法的收敛速度明显优于简单迭代,并能够有效控制发散,算法具有一定的理论和实用价值.

Toric曲面的渐进迭代逼近

渐进迭代逼近(PIA)是一种直观有效的数据拟合方法。当给定数据点的参数域为不规则的凸多边形时,需要对参数域剖分来用多片曲面拟合,然后考虑相邻曲面片的拼接。Toric曲面是Bézier曲面的推广,它的参数域可以调整为任意凸多边形。使用Toric曲面做渐进迭代逼近即可以保留渐进迭代逼近的优点,也可以整体对数据点进行拟合,无需考虑曲面的重构与拼接。本篇文章定义了一种对凸多边形上的参数点进行字典排序的方法。并实现了一种用Toric曲面做渐进迭代逼近的算法。我们还用具体的数值例子证明方法有效。

高逼近阶对偶框架的迭代算法

在框架理论中,希望构造一些具有良好性质的逼近对偶框架,如框架的高逼近阶等.基于Neumann级数展开理论,本文给出了两个提升逼近对偶框架逼近阶的迭代算法,分别将逼近对偶框架的逼近阶在原来的基础上提升到O(q^(2p))阶、O(q^(3p))阶.类似地,可以得到任意高阶的逼近对偶框架的迭代算法.

带互异权值的B样条曲线的最小二乘渐进迭代逼近

为使B样条拟合目标曲线的迭代过程中单独控制部分数据点,调整局部曲线形状,减小局部曲线迭代误差,提出带互异权值的最小二乘渐进迭代逼近法.首先赋统一初始权值于每个数据点,用最小二乘渐进迭代逼近法生成B样条拟合曲线;其次调整部分数据点对应的权值,运用带互异权值的最小二乘渐进迭代逼近法生成B样条拟合曲线;最后比较调整前后拟合误差.实例结果表明,本文所提出方法可调整局部拟合曲线形状,减小拟合误差.

关于最小二乘拟合的 Succesive over Relaxation渐进迭代逼近

本文以Guass-Seidel progressive iterative approximation for least squares fitting( LSPLA)算法为基础,提出一种基于 Succesive Over Relaxation(SOR)迭代的 LSPIA算法,简称SOR- LSPIA。我们分析了SOR- LSPIA算法的收敛性,数值实验表明,当拟合精度相同时,SOR- LSPIA算法比GS- LSPIA算法送代步数更少、运行时间更短。

两类推广的渐近迭代逼近

在计算机辅助设计领域里,曲线或曲面的渐近迭代逼近(Pro-gressive iterative approximation,PIA)性质在插值与拟合问题中有着广泛的应用,以前的文献对这一性质的讨论主要局限在标准全正基的情形.对于一般的非标准全正基,本文指出,其在适当的参数下也有可能同样具有这一优良的性质,并给出了相应的实例,从而拓宽了渐近迭代逼近的适用范围.与此同时,还讨论了权因子各不相同时,带权渐近迭代逼近的收敛性,使得迭代逼近曲线对不同的控制顶点,具有不同的加速收敛速度.

带互异权值的渐进迭代逼近算法及其应用

在计算机辅助几何设计(CAGD)领域,渐进迭代逼近(PIA)算法因其具有很好的自适应性和收敛稳定性,被广泛应用于插值与逼近问题.其中带权渐进迭代逼近(WPIA)算法通过调整向量加权明显加快了收敛速度.提出了一种带互异权值的渐进迭代逼近算法,不仅操作灵活,还可根据需要对各控制顶点进行调整,实现不同的迭代效果;同时通过引入一个参数,给出了可调权值迭代算法,当参数取合适值时,该算法的收敛速度比带权PIA算法更快,且权值取法不依赖于配置矩阵的特征值.最后用数值实例,通过对Bézier曲线、张量积Bézier曲面,以及三角Bézier曲面进行迭代,展示了该算法的有效性.

值域有界的一类非线性算子不动点的带误差迭代逼近

设Ｘ为一致光滑实Ｂａｎａｃｈ空间·Ｔ：Ｘ→Ｘ为连续强增生算子·ｆ∈Ｘ·定义算子Ｓ：Ｘ→Ｘ为Ｓｘ＝ｆ－Ｔｘ＋ｘ，ｘ∈Ｘ·设αｎ｛｝∞ｎ＝０与βｎ｛｝∞ｎ＝０为两个给定的实数列在（０，１）中且满足条件：（ⅰ）αｎ→０，βｎ→０（ｎ→∞）·（ⅱ）∑∞ｎ＝０αｎ＝∞·假设ｕｎ｛｝∞ｎ＝０和ｖｎ｛｝∞ｎ＝０为Ｘ中两个序列且满足‖ｕｎ‖＝ｏ（αｎ），‖ｖｎ‖→０（ｎ→∞）·ｘ０∈Ｘ，迭代序列ｘｎ｛｝定义为：（ＩＳ）ｘｎ＋１＝（１－αｎ）ｘｎ＋αｎＳｙｎ＋ｕｎｙｎ＝（１－βｎ）ｘｎ＋βｎＳｘｎ＋ｖｎ（ｎ≥０）｛若Ｓｘｎ｛｝，Ｓｙｎ｛｝有界。

渐进迭代逼近方法的数值分析

基于一类特殊矩阵的幂级数展开,推导了渐进迭代逼近方法和代数插值方法的等价性.在此基础上,针对PIA方法中因病态矩阵而导致收敛速度过慢的问题,通过矩阵QR分解引入变换矩阵,再优化迭代矩阵的谱半径,来加速PIA方法收敛;相对于因不同的参数化而导致计算效率的不确定性问题,采用向心加速参数化、优化配置矩阵来确保计算效率.最后通过数值实例验证了理论推导的正确性和文中方法的有效性.

Banach空间中Lipschitz严格伪压缩映象的迭代逼近

本文证明了当T是从p－致光滑Banach空间X的有界闭凸子集到自身的Lipschitz严格伪压缩映象时，Ishikawa迭代法强收敛到T的唯一不动点；又当T：X→X是LipschitZ强增生算子时，IShikawa迭代法强收敛到方程Tx＝f的唯一解，本文结果通过去掉Tan，Xu[13]的定理4.1-4.2中的限制limβn＝0或limαn＝limβn＝0与Deng。

空间自由曲线形状误差计算的迭代逼近法

提出了一种新的空间自由曲线轮廓形状误差计算方法─—迭代逼近法，基本原理是：在小误差条件下，把空间理论曲线离散为一系列小直线段，用点到直线的距离，构造实测点到理论曲线距离的近似解析公式；经多次循环迭代，最终获得的形状误差是最小区域意义下的近似。实验表明本算法运行过程稳定，结果准确可靠；算法的平均相对误差在５％的范围内。

基于元胞自动机的曲线曲面迭代逼近算法

由数学理论知 ,曲线或曲面上一点的性质完全由该点某一邻域的性质决定 .结合元胞自动机的理论 ,设计了一种曲线及曲面的迭代逼近方法 .以实测的离散坐标值作为初始构形 ,对每个点及其邻近的某些点 ,设计一种最佳逼近方法 ,通过迭代求出不同时刻的构形 ,来获得最佳逼近曲线或曲面 .该法可以一定程度地滤掉测量误差 ,迭代计算节省内存空间、速度快 。

AXB＋CXD=F的中心对称解及其最佳逼近的迭代算法

应用共轭梯度思想,给出了求解约束矩阵方程AXB+CXD=F的中心对称解及其最佳逼近的迭代算法.当矩阵方程AXB+CXD=F有中心对称解时,在有限的误差范围内,对任意初始中心对称矩阵X1,运用迭代算法,经过有限步可得到矩阵方程的中心对称解;选取合适的初始迭代矩阵,还可以迭代出极小范数中心对称解.对任意给定的矩阵X0,矩阵方程AXB+CXD=F的最佳逼近中心对称解可以通过迭代求解新的矩阵方程AX^B+CX^D=F的极小范数中心对称解而得到.文中给出的数值例子证实了该算法的有效性.

渐进迭代逼近方法在等距曲线逼近中的应用

渐进迭代逼近(PIA)方法在CAD领域有很好的自适应性和收敛稳定性,在曲线或曲面的逼近和拟合问题上具有很好的应用前景.文中将该方法应用于二维自由曲线的等距曲线(也称offset曲线)的逼近,提出基于PIA的等距曲线逼近算法.首先在等距曲线上采样数据点,采用Floater的方法对数据点进行参数化,并以这些采样点作为初始控制顶点,由这些初始控制顶点产生初始逼近曲线;然后考察相同参数值处采样点和逼近点的误差,并运用PIA方法逐步逼近等距曲线.该算法分别考虑了等距曲线的多项式逼近和有理逼近.数值实例结果表明,综合控制顶点数和算法误差这2项因素,文中算法具备较好的优势.

矩阵方程AXB=C的中心对称最小二乘解及其最佳逼近的迭代算法

本文建立了求矩阵方程AXB=C的中心对称最小二乘解的迭代算法。在不考虑舍入误差时,对任意给定的初始中心对称矩阵,该算法能够在有限步迭代后得到此方程的中心对称最小二乘解。当选取特殊的初始矩阵时,可得到极小范数中心对称最小二乘解。另外,在上述解集合中也可得到给定矩阵的最佳逼近矩阵的表达式。