一种正规的修正不完全分解

本文主要讨论L-阵或M-阵的修正不完全LU分解问题,针对文〔1〕中提出的一种修正不完全分解法,本文加以改进,提出了另一种修正不完全分解法,称之为MILU(I)分解法,并讨论了其存在性、正性、收敛性及预处理等问题。     

对称正定矩阵的一种不完全分解方法

用不完全分解法或修正不完全分解法并用共轭梯度法加速,是求解系数矩阵为大型稀疏矩阵的线性方程组的一种重要方法,已得到了许多理想的结果。针对系数矩阵为对称正定的情况,本文提出了一种“多因子不完全分解法”,来求解该类型的方程组。     

优化算法在宽带匹配网络中的应用

利用优化算法研究了宽带匹配网络,从设计过程可以看出,设计原理简单,使用方便,调试更灵活。其不仅能为所有的网络匹配问题（如天线的匹配、幅度均衡器等）的研究提供理论借鉴,而且能对宽带匹配网络的应用提供实践指导。     

一种基于Wolfe搜索下的新共轭梯度法(英文)

共轭梯度法在求解非线性最优化问题的一种重要的方法.基于前人的研究成果,提出一种新的梯度公式并将其进行修正,最后在Wolfe搜索下证明该梯度法是全局收敛的,然后通过数值试验显示该算法是有效的.     

最速下降和共轭梯度混合算法在波束形成中的应用

介绍了一种最速下降法和共轭梯度法的混合算法,并将这种混合算法应用到自适应波束形成中。该方法根据最小均方(LMS)准则推导出代价函数,结合共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了最速下降法下降缓慢的问题。计算机仿真表明,混合算法所需迭代次数少于最速下降法,且显著减少计算量,缩短运行时间。     

多项式平滑算法研究及其在滑坡数据预处理中的应用

本文研究了滑坡数据平滑预处理方法,基于最小二乘的三阶多项式拟合平滑算法和最小二乘的三阶正交多项式平滑算法处理滑坡数据,采用窗口的移动方法,对于包含平稳和振荡特点的数据,都获得了比较良好的效果,不仅可以达到平滑的目的,提高数据的质量,而且通过实例也说明了正交多项式平滑的精度优于多项式平滑的结果,其计算速度明显加快.     

含稀疏度约束的非负张量分解算法及其在故障诊断中的应用(英文)

针对双谱分析在应用于机械设备故障诊断过程中面临的问题,提出了含有稀疏度约束的非负张量分解算法及基于此的二次故障特征提取方法.首先,改进已有的非负张量分解算法,加入稀疏度控制策略;其次,将机械振动信号的双谱图像堆叠为一个三阶张量;然后利用改进后的分解算法对该张量进行二次故障特征提取,得到代表局部特征的"基图像";最后,通过计算得出基图像在构成原双谱图像中所占的权重,并将得到的权重向量用于故障分类.将该方法应用于齿轮箱故障诊断的结果表明,从齿轮箱振动信号的双谱中提取出来的二次特征不仅能够反映出系统中存在的一些非线性特征,而且二次特征与故障特征频率之间有直观的对应关系,从而为解释齿轮箱故障与对应双谱之间的关系提供了很大的方便.     

随机排序的一种算法及其在准考证号生成中的应用

提出了除升序排序、降序排序之外的第三种排序——随机排序,并将随机排序分为完全随机排序和不完全随机排序两类,最后,进述了随机排序在VisualBasic6和C 下的算法实现及随机排序算法在大规模准考证生成中的应用实例。     

一族新的共轭梯度算法及其在SWP线搜索下的全局收敛性

本文提出了一族计算β_k的新公式β_k~n(μ)(其中μ∈[0.1]为常量),证明了相应的共轭梯度法在σ∈(0.1/2)的SWP线搜索下具有全局收敛性,取μ=■为变量情形的β_k~n方法在SWP下也全局收敛。     

交际能力理论在中学英语教学中的应用(英文)

交际能力理论起源于乔姆斯基的转换生成语法。交际教学法也有它的一些教学原则。交际法对现行中学英语教学中的听说读写都有一定的启示作用。     

Parameters optimization and nonlinearity analysis of grating eddy current displacement sensor using neural network and genetic algorithm

A grating eddy current displacement sensor （GECDS） can be used in a watertight electronic transducer to realize long range displacement or position measurement with high accuracy in difficult industry conditions. The parameters optimization of the sensor is essential for economic and efficient production. This paper proposes a method to combine an artificial neural network （ANN） and a genetic algorithm （GA） for the sensor parameters optimization. A neural network model is developed to map the complex relationship between design parameters and the nonlinearity error of the GECDS, and then a GA is used in the optimization process to determine the design parameter values, resulting in a desired minimal nonlinearity error of about 0.11%. The calculated nonlinearity error is 0.25%. These results show that the proposed method performs well for the parameters optimization of the GECDS.