线性矩阵方程异类约束最小二乘解的迭代算法

多矩阵变量线性矩阵方程(LME)约束解的计算问题在参数识别、结构设计、振动理论、自动控制理论等领域都有广泛应用。本文借鉴求线性矩阵方程(LME)同类约束最小二乘解的迭代算法,通过构造等价的线性矩阵方程组,建立了求多矩阵变量LME的一种异类约束最小二乘解的迭代算法,并证明了该算法的收敛性。在不考虑舍入误差的情况下,利用该算法不仅可在有限步计算后得到LME的一组异类约束最小二乘解,而且选取特殊初始矩阵时,可求得LME的极小范数异类约束最小二乘解。另外,还可求得指定矩阵在该LME的异类约束最小二乘解集合中的最佳逼近解。算例表明,该算法是有效的。     

求矩阵方程AXB=C的双对称最小二乘解的迭代算法

基于求解线性代数方程组的共轭梯度法的思想,通过特殊的变形与近似处理,建立了求矩阵方程AXB=C的双对称最小二乘解的迭代算法,并证明了迭代算法的收敛性.不考虑舍入误差时,迭代算法能够在有限步计算之后得到矩阵方程的双对称最小二乘解;选取特殊的初始矩阵时,还能够求得矩阵方程的极小范数双对称最小二乘解.同时,也能够给出指定矩阵的最佳逼近双对称矩阵.算例表明,迭代算法是有效的.     

矩阵方程AXB＋CX^T D=F自反最小二乘解的迭代算法

建立了求矩阵方程AXB＋CX^TD=F的自反最小二乘解的迭代算法,证明了迭代算法的收敛性,该算法能够在有限步迭代计算之后得到矩阵方程的一个自反最小二乘解,或者极小范数自反最小二乘解。另外,还给出了在解集合中对给定矩阵的最佳逼近。     

主子阵约束下矩阵方程AX=B的对称最小二乘解

本文主要讨论主子阵约束下矩阵方程AX=B的对称最小二乘解．基于投影定理,巧妙的把最小二乘问题转化为等式问题求解,并利用奇异值分解的方法,给出了该对称最小二乘解的一般表达式．此外,文章还考虑了此对称最小二乘解集合对任一给定矩阵的最佳逼近问题,得到了最佳逼近解,并给出了相应的算法步骤和数值例子．     

Riccati方程子矩阵约束对称解的非精确Newton-MCG算法

采用修正共轭梯度法(MCG算法)求由Newton算法每一步迭代计算导出的线性矩阵方程的近似子矩阵约束(SMC)对称解或者近似SMC对称最小二乘解,建立求离散时间代数Riccati矩阵方程SMC对称解的非精确Newton-MCG算法.该算法仅要求Riccati矩阵方程有SMC对称解,不要求它的SMC对称解唯一,也不要求导出的线性矩阵方程有相应的SMC对称解.数值算例表明,非精确Newton-MCG算法是有效的.     

一种基于Cholesky分解的动态无偏LS-SVM学习算法

针对最小二乘支持向量机用于在线建模时存在的计算复杂性问题,提出一种动态无偏最小二乘支持向量回归模型.该模型通过改进标准最小二乘支持向量机结构风险的形式消除了偏置项.得到了无偏的最小二乘支持向量机,简化了回归系数的求解.根据模型动态变化过程中核函数矩阵的特点,设计了基于Cholesky分解的在线学习算法.该算法能充分利用历史训练结果,减少计算复杂性.仿真实验表明了所提出模型的有效性.     

非负张量补全算法

近年来矩阵补全已成为一种重要的信号采集方式。将矩阵补全推广到非负张量情形,并提出了非负张量补全算法。该算法先将非负张量补全问题转化为交替求解一系列非负矩阵补全问题,再使用非负最小二乘方法求解这些问题。由于充分利用了数据的空时结构,所提的非负张量补全算法比非负矩阵补全算法有更好的恢复性能。实验结果证实了该方法的优越性。     

Hamilton矩阵反问题的最小二乘解

本文讨论了Hamilton矩阵反问题最小二乘解,得到解的通式．考虑了解集合对给定矩 阵的最佳逼近问题,给出了唯一最佳逼近解的表达式．最后,我们给出了相应的数值算法及 数值实例．     

改进的基于能量的声源定位算法

为提高基于能量的两步加权最小二乘声源定位算法（two‐step WLS）的定位精度,提出一种改进算法。通过引入广义矩阵,将有噪数据中的噪声项分离出来作为约束条件,将加权最小二乘问题转化为带约束条件的最小化代价函数的求解问题,采用拉格朗日乘子法求得代数解。仿真结果表明,该算法在噪声较小时,逼近CRLB （Cramer‐Rao lower bound）下限;高噪声时,相对two‐step WLS算法,提高了定位精度,提高了突然偏离CRLB的噪声阈值,是一种高效可行的定位算法。     

一类广义Riccati矩阵方程对称解的双迭代算法

研究了一类广义系统控制理论导出的Riccati矩阵方程对称解的数值计算方法．运用牛顿算法将Riccati矩阵方程的对称解问题转化为线性矩阵方程的对称解或者对称最小二乘解问题,采用修正共轭梯度法解决导出的线性矩阵方程的对称解问题,可建立求Riccati矩阵方程对称解的双迭代算法．数值算例表明,双迭代算法是有效的．