α-链对角占优矩阵与非奇异H-矩阵的判别

设A=(aij)∈Cn×n,若存在α∈(0,1),使i∈N={1,2,…,n},|aii|≥Riα(A)S1i-α(A),则称A为α-链对角占优矩阵。首先推广α-链对角占优矩阵的概念到广义α-链对角占优矩阵;利用这一概念得到了判别非奇异H-矩阵的几个判定方法,改进和推广了已有的结论。最后用数值例子说明了所给结果的优越性。     

基于Cubist的中国植被区域叶绿素荧光数据重建

日光诱导叶绿素荧光(Solar-Induced chlorophyll Fluorescence,SIF)是植物在太阳光照条件下,在光合作用过程中发射出的光谱信号(650～800 nm),SIF相比于植被指数等参数更能直接地反映植被光合作用的相关信息,为大尺度GPP估算带来了新的途径。但目前卫星SIF数据或存在分辨率较低的不足,或存在数据空间不连续的局限,对于应用到大尺度中连续GPP的估算中有一定难度。OCO-2 SIF数据拥有较高的空间分辨率,但却是空间离散数据。针对上述问题,着重研究对离散的OCO-2 SIF数据进行连续预测的方法,生成中国—蒙古草地生态系统的较高精度连续SIF数据集。结果如下：通过Cubist回归树算法,结合MODIS反射率数据,气象数据及土地利用类型,建立了每8 d的0.05°分辨率的连续SIF数据集,预测精度为R²=0.65,RMSE=0.114。其中,对作物类SIF预测的精度最高,为R²=0.71,RMSE=0.117;其次为对森林与草地的预测,两者的R²和RMSE分别为0.64/0.123,...     

基于模糊AHP与模糊TOPSIS的人才选拔方案

针对人才选拔过程中指标权重和指标值的模糊性,建立了模糊环境下的人才选拔方案。首先建立了基于语言变量的判断矩阵和评价矩阵,然后将语言变量转化为三角模糊数,得到模糊判断矩阵和模糊评价矩阵,再利用模糊AHP确定指标的模糊权重,利用模糊TOPSIS计算出各个被评价对象的贴近度,进而得出各个被评价对象的排名,最后以数学建模竞赛队员的选拔为例,说明了方案的可行性和有效性。     

基于社会认知算法的非线性控制系统参数估计

将社会认知算法用于非线性控制系统参数估计,并通过对三种典型的非线性控制系统参数估计进行验证。计算结果表明,社会认知算较其他的进化算法参数估计精度高,是一种有效的参数估计方法。