期刊文献+
共找到313篇文章
< 1 2 16 >
每页显示 20 50 100
线性方程组与四个基本子空间
1
作者 李红 李厚彪 +1 位作者 王转德 高中喜 《高等数学研究》 2024年第4期6-7,13,共3页
在大学课程教学中,对齐次(或非齐次)线性方程组,通常借助高斯消元法和简化行阶梯型,以及基础解系(极大无关组)等,给出了线性方程组解的整体结构形式.本文试图从系数矩阵“四个基本子空间”出发,探讨矩阵的“四个基本子空间”与线性方程... 在大学课程教学中,对齐次(或非齐次)线性方程组,通常借助高斯消元法和简化行阶梯型,以及基础解系(极大无关组)等,给出了线性方程组解的整体结构形式.本文试图从系数矩阵“四个基本子空间”出发,探讨矩阵的“四个基本子空间”与线性方程组之间的内在联系,归纳总结了相关结果.以期帮助学生,深刻理解线性方程组与解空间的本质. 展开更多
关键词 线性方程组 四个基本子空间 最小二乘解
下载PDF
引入神经网络极限学习机的关键数据查询模型
2
作者 张勇飞 陈艳君 赵世忠 《计算机仿真》 2024年第3期519-523,共5页
网络空间数据的结构具有较高相似性,海量数据的不断增量更新,导致关键数据查询结果存在冗余和偏离问题。因此提出基于神经网络极限学习机的关键数据查询方法。建模描述关键数据查询问题。基于此引入神经网络极限学习机,建立关键数据查... 网络空间数据的结构具有较高相似性,海量数据的不断增量更新,导致关键数据查询结果存在冗余和偏离问题。因此提出基于神经网络极限学习机的关键数据查询方法。建模描述关键数据查询问题。基于此引入神经网络极限学习机,建立关键数据查询模型。预处理数据库中无用数据和重复数据做,通过输出权值范数的最小二乘解,避免算法陷入局部最优。结合输出矩阵,训练查询模型,输出结果结果即为关键数据查询结果。为证明上述方法的性能优势,设计对比实验,结果表明提出的方法应用于关键数据查询的均方根误差不超过1.2,平均绝对百分比误差最高为4.1%,关系数F可达0.6,网络节点的使用率低于20%。以上实验数据验证了上述方法数据查询精度较高,可应用性更强。 展开更多
关键词 神经网络极限学习机 关键数据 输出权值 最小二乘解 数据预处理
下载PDF
求解超定线性方程组的直接修正法 被引量:4
3
作者 崔明根 章森 胡乃丽 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 1990年第2期20-27,共8页
本文给出解超定线性方程组的一个新方法—直接修正法,并绐出最佳步长的选取方法。最后给出改善病态方程组的解的实例。
关键词 超定方程组 最小二乘解 步长选取
下载PDF
基于GM(0,N)模型的瓦斯涌出量简易预测 被引量:5
4
作者 杨文光 高艳辉 +1 位作者 王姝 李强丽 《数学的实践与认识》 北大核心 2019年第14期324-328,共5页
瓦斯涌出量具有非线性、时变与多变量等特点,对其进行准确预测具有很大的难度.在考虑初始数据的重要性基础上,对现有的GM(0,N)模型进行适当改进,得到改进的GM(0,N)模型.改进的GM(0,N)模型以一次累加生成算子(1-AGO)作为模型生成基础,没... 瓦斯涌出量具有非线性、时变与多变量等特点,对其进行准确预测具有很大的难度.在考虑初始数据的重要性基础上,对现有的GM(0,N)模型进行适当改进,得到改进的GM(0,N)模型.改进的GM(0,N)模型以一次累加生成算子(1-AGO)作为模型生成基础,没有引入导数,模型求解所得最小二乘解相对简便.结合某煤矿影响瓦斯涌出量的多因素数据,进行建模与预测,运行过程简易.与GM(0,N)模型、GM(1,N)模型比较,效果较为理想. 展开更多
关键词 瓦斯涌出量 GM(0 N) 预测 最小二乘解 GM(1 N)
原文传递
环上广义自反矩阵及其应用 被引量:4
5
作者 徐清舟 《浙江大学学报(理学版)》 CAS CSCD 北大核心 2005年第1期1-4,20,共5页
首先在带有对合反自同构的环上引入自反矩阵、广义自反矩阵等概念,证明了:1若P,Q为环R上广义反射矩阵,α,β∈R,A,B为关于(P,Q)的广义自反矩阵,则αA++βB+,αA*+βB*为关于(Q,P)的广义自反矩阵,A*B为关于Q的自反矩阵,AB*为关于P的自反... 首先在带有对合反自同构的环上引入自反矩阵、广义自反矩阵等概念,证明了:1若P,Q为环R上广义反射矩阵,α,β∈R,A,B为关于(P,Q)的广义自反矩阵,则αA++βB+,αA*+βB*为关于(Q,P)的广义自反矩阵,A*B为关于Q的自反矩阵,AB*为关于P的自反矩阵;2环R上任一矩阵A可以分解成关于(P,Q)的一个广义自反矩阵和一个广义反自反矩阵之和.然后利用这些性质,讨论了四元数体上线性方程组的最小二乘解问题,得到一个将系数矩阵是广义自反矩阵的线性方程组最小二乘解问题化为两个独立的较小子问题的方法,使这类问题的求解得到简化. 展开更多
关键词 四元数体 自反矩阵 广义自反矩阵 最小二乘解
下载PDF
矩阵方程A^T X A=B的反对称正交反对称最小二乘解 被引量:3
6
作者 彭向阳 张磊 胡锡炎 《工程数学学报》 CSCD 北大核心 2004年第F12期93-97,共5页
通过广义奇异值分解定理.得到了矩阵方程ATXA=B的反对称正交反对称最小二乘解表达式,同时导出了相应解集中与已知矩阵最佳逼近的最小二乘解和矩阵方程的最小范数解。
关键词 最小二乘解 矩阵方程 广义奇异值分解 最小范数解 最佳逼近 对称 正交 解表
下载PDF
求M—P广义逆的最小二乘解投影法 被引量:2
7
作者 吴有为 《临沂师范学院学报》 2002年第6期14-15,共2页
对给定的A∈Rm×n和任意的b∈Rm,通过ATAX=AT·b的解在A的行空间R(AT)上的投影求得A的Moore-Penrose广义逆A+.
关键词 极小最小二乘解 投影 广义逆矩阵 最小范数 行空间
下载PDF
四元数体上一类矩阵方程的极小范数最小二乘解 被引量:3
8
作者 邓勇 黄敬频 杜刚 《纯粹数学与应用数学》 CSCD 2010年第2期191-192,230,共3页
借助于四元数体上自共轭矩阵的奇异值分解,给出了四元数矩阵方程AX+XB+CXD=F的极小范数最小二乘解.同时,在有解的条件下给出了Hermite最小二乘解及其通解的表达形式.
关键词 四元数体 矩阵方程 最小二乘解
下载PDF
一类双变量矩阵方程广义自反Ls解的迭代算法 被引量:2
9
作者 王娇 张凯院 《纺织高校基础科学学报》 CAS 2013年第1期130-136,共7页
借鉴求线性矩阵方程约束最小二乘(Ls)解的修正共轭梯度法,建立了求特殊类型的双矩阵变量线性矩阵方程的广义自反Ls解的迭代算法,证明了迭代算法的收敛性.利用该算法可在有限步迭代计算后求得矩阵方程的一组广义自反Ls解,选取特殊的初始... 借鉴求线性矩阵方程约束最小二乘(Ls)解的修正共轭梯度法,建立了求特殊类型的双矩阵变量线性矩阵方程的广义自反Ls解的迭代算法,证明了迭代算法的收敛性.利用该算法可在有限步迭代计算后求得矩阵方程的一组广义自反Ls解,选取特殊的初始矩阵时,可求得矩阵方程的极小范数广义自反Ls解.此外,还可求得在该矩阵方程的广义自反Ls解集合中对给定矩阵的最佳逼近.数值算例表明,迭代算法是有效的. 展开更多
关键词 线性矩阵方程 广义自反矩阵 最小二乘解 极小范数解 迭代算法 最佳逼近
下载PDF
四元数体上线性方程组的加正定权极小范数最小二乘解 被引量:2
10
作者 徐清舟 汪国军 《河南师范大学学报(自然科学版)》 CAS CSCD 北大核心 2005年第2期19-22,共4页
讨论了四元数体上右线性方程组的加正定权的极小范数解、最小二乘解和极小范数最小二乘解.得到类似于复数域上同类问题的若干结果.
关键词 四元数体 加权广义逆 极小范数解 最小二乘解
下载PDF
线性流形上对称正交反对称矩阵的加权最小二乘解 被引量:2
11
作者 苏永敏 邓继恩 《保定学院学报》 2009年第4期9-11,60,共4页
基于奇异值分解定理,主要讨论线性流形上矩阵方程的对称正交反对称加权最小二乘解的表达式,求出了加权最小二乘解的最佳逼近.
关键词 加权 对称正交反对称矩阵 最小二乘 最佳逼近
下载PDF
矩阵方程A^TXA=C的对称M对称最佳逼近解 被引量:2
12
作者 徐玉霞 雷英杰 侯强 《重庆理工大学学报(自然科学)》 CAS 2017年第3期143-150,共8页
在结构动态模型修正中,通常需要修正刚度矩阵与质量矩阵以满足正交条件。通过研究它们的极小二乘逼近解对其进行修正。故在对称M对称矩阵集中,利用标准相关分解(CCD),获得了矩阵方程A^TXA=C的对称M对称极小二乘解;在此基础上应用广义奇... 在结构动态模型修正中,通常需要修正刚度矩阵与质量矩阵以满足正交条件。通过研究它们的极小二乘逼近解对其进行修正。故在对称M对称矩阵集中,利用标准相关分解(CCD),获得了矩阵方程A^TXA=C的对称M对称极小二乘解;在此基础上应用广义奇异值分解(GSVD)和投影定理,得到了给定矩阵的极小二乘解的对称M对称最佳逼近解。 展开更多
关键词 对称M对称矩阵 投影定理 标准相关分解 极小二乘解 最佳逼近解
下载PDF
矩阵方程AX=B的D对称半正定最小二乘解及其最佳逼近 被引量:2
13
作者 彭金凤 彭振赟 崔学莲 《桂林电子科技大学学报》 2018年第2期162-166,共5页
为研究矩阵方程AX=B的D对称半正定最小二乘解及其最佳逼近问题,利用矩阵的内积理论和矩阵的奇异值分解理论,分析了该问题有解的充分必要条件,并给出了解的一般表达式,得出了最小二乘解集合中与给定矩阵的唯一最佳逼近解的表达式。
关键词 对称半正定矩阵 最小二乘解 最佳逼近解 奇异值分解
下载PDF
关于矩阵方程组AX=C,XB=D的最小二乘解和极小范数最小二乘解 被引量:1
14
作者 尤兴华 马圣容 《苏州大学学报(自然科学版)》 CAS 2012年第4期23-26,共4页
借助Kronecker积将一般的矩阵方程组AX=C,XB=D进行巧妙变形,再利用矩阵的方块技巧和广义逆矩阵方法,给出了它们的最小二乘解以及极小范数最小二乘解.
关键词 广义逆 最小二乘解 极小范数最小二乘解 KRONECKER积
下载PDF
一种估测运动目标Time-to-Collision的方法 被引量:2
15
作者 李俊 张桂林 《数据采集与处理》 CSCD 1998年第3期236-240,共5页
提出了一种直接从图象序列中估测运动目标到被攻击物体的撞击时间的方法,建立了目标运动的象面模型,并设计了一种利用多子区相关跟踪器和最小二乘估计方法估测撞击时间的方案。计算机仿真实验结果证明了该方案的可行性。
关键词 计算机视觉 景象匹配 撞击时间 导弹 惯性制导
下载PDF
关于矩阵方程的加权最小二乘解 被引量:1
16
作者 周立平 邓远北 《湖南科技学院学报》 2006年第11期124-128,共5页
通过矩阵的奇异值分解定理,得到矩阵方程ATXA=B的在加权范数下的最小二乘解和对称最小二乘解表达式,同时导出了在相应解集中与已知矩阵最佳逼近的最小二乘解。
关键词 加权范数 最小二乘解 最佳逼近 奇异值分解
下载PDF
一类矩阵方程约束最小二乘解的极秩 被引量:2
17
作者 吴恒飞 张宗标 《韶关学院学报》 2021年第3期7-10,共4页
利用矩阵的Moore-Penrose广义逆和矩阵的秩方法,讨论四元数矩阵方程AXA*=B在矩阵方程CX=D相容约束条件下的最小二乘解的一般表达式,通过分块矩阵秩的性质和分块矩阵变换获得最小二乘解的极大秩、极小秩公式.
关键词 广义逆 四元数矩阵方程 最小二乘解 极大秩 极小秩 分块矩阵
下载PDF
最小范数最小二乘解简易求法及在求A^+中应用 被引量:2
18
作者 吴有为 《海南师范学院学报(自然科学版)》 2003年第3期20-23,共4页
通过初等行变换求得线性方程组AX=b的最小范数最小二乘解,并由此获得广义逆矩阵A^+的一个便捷计算方法。
关键词 线性方程组 最小范数最小二来解 初等行变换 广义逆矩阵 简易求法
下载PDF
亏秩线性方程组的PSD迭代解法 被引量:2
19
作者 岳强 畅大为 《山东大学学报(理学版)》 CAS CSCD 北大核心 2009年第10期30-35,共6页
将亏秩线性方程组Ax=b增广为以方阵为系数矩阵的4×4块线性方程组η=b′,再对进行次正则PSD分裂,得到PSD迭代法半收敛的一个充要条件。最后给出求方程组Ax=b范数最小的最小二乘解的方法并以实例说明,其中A∈Cm×n,b∈Cm,... 将亏秩线性方程组Ax=b增广为以方阵为系数矩阵的4×4块线性方程组η=b′,再对进行次正则PSD分裂,得到PSD迭代法半收敛的一个充要条件。最后给出求方程组Ax=b范数最小的最小二乘解的方法并以实例说明,其中A∈Cm×n,b∈Cm,b′∈Cm+n。 展开更多
关键词 PSD分裂 半收敛 最小二乘解 MOORE-PENROSE广义逆
原文传递
基于最小二乘法的LS-FIR滤波器 被引量:2
20
作者 武康康 朱旭飞 +4 位作者 陆叶 周鹏 董翠 戴沁璇 周闰昌 《广西师范大学学报(自然科学版)》 CAS 北大核心 2021年第5期89-99,共11页
本文提出一种基于最小二乘法的LS-FIR滤波器。根据色散补偿滤波器与有限长单位冲激响应的频域函数之间的关系构造线性方程组,线性方程组中独立方程的个数大于未知量个数,所以此方程组无解。但在最小范数意义下,能够找到一组解使得估计... 本文提出一种基于最小二乘法的LS-FIR滤波器。根据色散补偿滤波器与有限长单位冲激响应的频域函数之间的关系构造线性方程组,线性方程组中独立方程的个数大于未知量个数,所以此方程组无解。但在最小范数意义下,能够找到一组解使得估计误差模的平方和最小,得到的解是最小二乘解。用所得到的最小二乘解作为滤波器的抽头权值,即是所要设计的滤波器。滤波器仿真结果表明:不同调制格式(QPSK、16QAM、64QAM)和信噪比(1~20)条件下,当全频带且滤波器的抽头数为315时,均方误差稳定于2.6109×10^(-6);当窄频带滤波器的抽头数为197时,均方误差稳定于2.5566×10^(-6);与FIR和Hm-FIR滤波器对比,LS-FIR滤波器算法具有较高的稳定度、较好的逼近效果,且滤波效果更佳。 展开更多
关键词 LS-FIR滤波器 最小范数 估计误差 最小二乘解 抽头权值
下载PDF
上一页 1 2 16 下一页 到第
使用帮助 返回顶部