一种求解线性方程组的预处理方法

研究了一种基于不完全Ｃｒｏｕｔ分解的预处理方法，通过对Ｖａｎｄｅｒ Ｖｏｒｓｔ构造的不完全分解ＬＥＱＤＥＱ＾１ＵＥＱ加以改进，从而得到新的矩阵分解，可以证明，当系数矩阵Ａ是非奇异Ｍ－矩阵和Ｌ－矩阵时，这种分解是对矩阵Ａ进行的正则分裂。据此建立的求解方程组的迭代公式收敛。数值试验结果表明，这种预处理方法能够有效地提高迭代法的收敛速度。     

马尔可夫骨架过程：一维分布和正则性准则

引入了一类新的随机过程－马尔可夫骨架过程，在一系列随机时刻具有马尔可夫性，它包括诸如马尔可夫过程，最小Ｑ过程，Ｄｏｏｂ过程，一阶Ｑ过程，半马尔可夫过程，逐段决定的马尔可夫过程，ＧＩ／Ｇ／１排除的系统的输入过程，除长，等待时间，保险业中的风险决策模型，期权定价模型以及水库积水模型等为其典型例子。     

正则搜索树的分支因数

正则搜索树的分支因数对算法的复杂度有决定性影响。尤其在深度优先的启发式搜索中，决定时间复杂度的启发式分布与分支因数紧密相关。本文介绍两种分支因数的计算方法：数值法与解析法。在数码难题及鲁比克魔方这两类实际的问题空间上，用这两种方法可获得相同结果。这些结果是进一步研究算法时间复杂度的必要基础。     

基于区域分割的非局部全变差SAR相干斑滤波

受成像体制影响,合成孔径雷达(Synthetic aperture radar,SAR)图像带有非高斯的乘性相干斑噪声。为有效抑制乘性相干斑噪声,提出一种融合非局部均值滤波(Non-local means filter,NLMF)与全变差(Total variation,TV)正则化的非局部均值-全变差(NLM-TV)降噪算法。首先将相干斑噪声转换为依赖于散射强度的加性噪声,将SAR图像分为边缘、强散射区、弱散射区。然后利用NLMF进行降斑,为有效的保持边缘结构,NLMF的平滑参数选取较小。在强散射区,为解决平滑参数较小所带来的降斑不充分问题,进一步使用TV正则化进行平滑处理,获得最终的降噪结果。使用RADARSAT-2,Terra SAR-X两景实测SAR图像仿真实验,结果表明:相比多种滤波算法,NLM-TV算法在弱散射区,强散射区均能显著提高等效视数,边缘保持指数能够提高10%以上。     

基于神经网络的潜艇大机动水动力表达方式

基于BP神经网络技术对潜艇大攻角机动运动水动力的表达方式进行了研究.所建网络具有循环强化以及自适应设计最佳隐层单元数的特点.应用Bayesian正则化算法进行网络训练,结果表明,这种方法训练的网络具有较高的泛化能力和准确性,适合于表达样本数据较少且非线性强烈的潜艇大攻角机动运动水动力.     

椭圆型Monge-Ampere方程解的正则性的进一步探讨

椭圆型Monge-Ampere方程的解的内部正则性已为作者证明,本文进一步探讨该方程的解Z(x,y)的正则性,藉助散度型方程的Campanato技巧证明在引言中所给出的两个正则性定理。