用Chebyshev多项式加速的子空间迭代法

研究计算大型稀疏对称矩阵的若干个最大或最小特征值的问题，首先引入了求解大型对称特征值问题的子空间迭代法和Chebyshev迭代法，并对后者作了理论分析。为了加速子空间迭代法的收敛速度，作者用Chebyshev多项式来改进原始的子空间迭代法，即讨论Chebyshev迭代法对子空间迭代法的应用，从而给出了Chebyshev-子空间迭代法。最后把原始的方法和改进的方法计算数值例子的结果进行了比较，其结果表明Chebyshev-子空间迭代法比子空间迭代法优越，不仅收敛速度快，并且减少了计算量和计算时间。     

求解大型对称线性方程组的循环收缩Lanczos算法

向Krylov子空间中加入一些模接近于零的特征值对应的特征向量能够加快收敛速度，事实上，对于这些模接近于零的特征值对应的特征向量，可以用Krylov子空间方法得到，并且在新的Krylov子空间形成的过程中，近似特征向量的近似度会不断提高，特别在标准Krylov子空间方法中，如果因为这些特征向量而减缓了收敛速度，则随着这些特征向量的近似度的提高，用增广Krylov子空间方法解线性方程组的收敛速度会明显加快。Lanczos算法是求解大型对称不定线性方程组的有效方法之一。但在计算过程中由于Lanczos向量失去正交性减慢了收敛速度。本文根据增广Krylov子空间方法提出循环收缩Lanczos算法，新算法充分利用Lanczos过程所得到的谱信息，确定预处理，从而加速Lanczos算法的收敛速度。     

求解大规模矩阵问题的Krylov子空间方法

求解大规模矩阵问题包括线性方程组和特征值问题等是计算数学和科学工程计算中的重大课题，最近几年，其研究工作取得了许多重大进展。文中给出大型线性方程组和特征值问题Krylov子空间方法若干进展的一个概述，其中包括作者对这些问题的研究成果。涉及的专题包括求解大型线性方程组的共轭梯度法、SYMMLQ算法、MINRES算法、GMRES算法、Lanczos双正交化算法、QMR算法以及这些算法的块格式；求解大对称特征值问题的Lanczos算法和块Lqnczos算法；求解大型非对称特征问题的Lanczos算法、Arnodi算法以及这些算法的推广。讨论求解大规模矩阵问题的加速技术和预处理技术。了一些有待进一步研究的问题。     

基于MPP编程环境的一种并行子空间失代法

子空间迭代法是科学与工程计算中求解广义特征值问题的有效方法,针对向量机和共享内存的多处理机,前人已成功地作了并行处理。文中给出了适合ＭＰＰ大规模并行计算机的并行子空间迭代法。该算法将广义特征值问题转换为一般特征值问题,其计算工作量主要体现在矩阵乘法,通过对该方法作并行处理,使矩阵求逆及一部分乘法运算转换为各结点机上三角形方程组的并行求解。在大规模并行计算机ＰＡＲ９５上结合Ｊ８－ＩＩ机翼的动力特性问     

基于MPP编程环境的一种并行子空间迭代法

子空间迭代法是科学与工程计算中求解广义特征值问题的有效方法 ,针对向量机和共享内存的多处理机 ,前人已成功地作了并行处理。文中给出了适合 MPP大规模并行计算机的并行子空间迭代法。该算法将广义特征值问题转换为一般特征值问题 ,其计算工作量主要体现在矩阵乘法 ,通过对该方法作并行处理 ,使矩阵求逆及一部分乘法运算转换为各结点机上三角形方程组的并行求解。在大规模并行计算机 PA R95上结合 J8- II机翼的动力特性问题对该算法作了数值试验 ,结果说明所给算法是非常有效的     

对称三对角矩阵的逆特征问题

本文提出了三种类型的对称三对角矩阵的逆特征问题,讨论了如何根据特征值和特征向量确定矩降的元素,并对解逆特征问题的算法进行了分析。     

次对称三对角矩阵特征值反问题

文章讨论了由两个特征对构造次对称三对角矩阵的特征值反问题。结合次对称矩阵中属于不同特征值的特征向量的次正交性,研究了解的存在性以及存在解的充要条件,并给出了相应的算法及数值例子。     

计算大型实对称特征问题的 Lanczos-QR 算法

为了计算大型实对称特征值问题Ｋｘ＝λＭｘ的少数低阶特征值对,本文给出Ｌａｎｃｚｏｓ－ＱＲ迭代方法。首先,给定初始迭代向量ｖ１,作ｍ步Ｌａｎｃｚｏｓ分解：ＫＶｍ＝ＭＶｍＴｍ＋ｈｍｅｍＴ。取Ｔｍ的ｄ个最大特征值为移位量,对Ｔｍ进行ｄ步带原点位移的ＱＲ分解。然后,修改初始迭代向量ｖ１。迭代地重新开始这一过程,迫使初始迭代向量ｖ１进入需求的特征子空间,从而使残量‖Ｋｘ－θＭｘ‖→０。数值例子表明,该方法收敛性强,且稳定、有效。     

非对称广义特征值问题的拟-Eberlein算法及其并行化

非对称广义特征值问题的并行计算,目前在国内外研究得很少, Ｇ． Ｗ ． Ｓｔｅｗ ａｒｔ 和 Ｐ． Ｊ． Ｅｂｅｒｌｅｉｎ 曾分别研究非 Ｈｅｒｍ ｉｔｅ 矩阵标准特征值的并行拟 Ｊａｃｏｂｉ算法,１９８９ 年 Ｊ． Ｐ． Ｃｈａｒｌｉｅｒ 和 Ｐ． Ｖａｎ Ｄｏｏｒｅｎ 在 Ｇ． Ｗ ． Ｓｔｅｗ ａｒｔ 的工作基础上提出了求解非对称广义特征值问题的拟 Ｊａｃｏｂｉ算法（简称 Ｃ Ｖ 算法）与并行拟 Ｊａｃｏｂｉ算法。文中以 Ｊ． Ｐ． Ｃｈａｒｌｉｅｒ 等人的工作为基础,提出求解大型非对称广义特征值问题的拟 Ｅｂｅｒｌｅｉｎ 算法与并行拟 Ｅｂｅｒｌｅｉｎ 算法, Ｃｈａｌｌｅｎｇｅ Ｌ 并行系统上的数值试验表明,不仅并行效率很高,且敛速远优于 Ｃ Ｖ 算法     

无动量亏损尾迹的实验研究

采用尾缘吹气的流动控制技术,改善静子尾迹区流动.使用热线风速仪对静子尾迹区在不同吹气量下的轴向速度进行了测量,得到了在纯尾迹、弱尾迹、无动量亏损尾迹和射流这4种工况下尾迹区的轴向速度分布、中心点速度频谱图以及尾迹特征长度沿流动方向的变化.实验测量结果表明,无动量亏损尾迹和纯尾迹工况相比改善了静子出口速度的均匀性,并改变了涡脱落特性.无动量亏损尾迹特征长度与x0.35成正比关系,而纯尾迹时的特征长度沿轴向与x0.37成正比关系变化.     

周期对称三对角矩阵的特征值反问题

本文提出由两个特征值和相应的特征向量构造周期对称三对角矩阵的一类特征值反问题,讨论了这类问题的可解性,给出了这类问题有解的充分必要条件,描述了求解这类问题的数值算法,并且给出了数值例子。     

非对称广义特征值问题重特征值的灵敏度分析

研究非对称广义特征值问题半单重特征值的灵敏度分析。对于解析依赖于多参数的非对称广义特征值问题．给出了半单重特征值的方向导数，证明了相应的广义不变子空间的解析性，并给出了其一阶导数的表达式。以这些结论为基础，定义了半单重特征值及相应的广义不变子空间的灵敏度，并给出了一个确定矩阵束中敏感元素的方法。本文的结论可应用于模型修正、故障诊断与系统最优控制。     

关于线性阻尼系统的本征值亏损

本文讨论一般线性阻尼系统的本征值亏损问题,获得了简单有效的亏损判定定理;作为初步应用,还对带有陀螺阻尼力的线性阻尼系统进行了亏损判别及稳定性讨论。     

大型结构特征值问题的并行EBE－子空间迭代法

本文利用ＥＢＥ策略和预处理共轭梯度法（ＰＣＧ法），将广义特征值问题子空间迭代法中各步的计算都单元化，从而避免了总刚度和总质量矩阵的组集，大大节省了存储量。由此建立的ＥＢＥ－子空间迭代法尤其适宜于并行计算。在银河－２机上的数值算例结果表明，无论是串行，还是并行计算，该方法都能有效提高计算速度。如对模型问题，若网格取４８０，则在串行计算时，ＥＢＥ计算途径较传统的总体计算途径的速度提高倍数达３．２７，而在挂用４个处理机进行并行计算时的ＥＢＥ－子空间迭代法较串行的总体计算途径的速度提高倍数可达１１．４。总之，该方法为一种有效的大型结构动力分析问题的求解方法。     

求解广义特征值反问题的数值方法

讨论一类广义特征值反问题的数值解法,这类问题包括加法、乘法和经典特征值反问题作为其特殊情况。基于行列式和最小奇异值的计算,文中给出了求解这类问题的两个二次收敛的数值方法,描述了在出现重特征值的情况下如何改进其中的一个方法以保持二次收敛性,并且给出了两个数值例子以解释收敛性结果     

关于混合单调算子的耦合拟不动点

在Banach空间中引入强锥弱紧集等概念，讨论了不连续的混合单调算子的耦合拟不动点存在性问题，得到了更一般性的结果。     

矩阵特征值反问题的若干进展

给出矩阵特征值反问题若干进展的一个概述。涉及的专题包括含参数的特征值反问题．Ｊａｃｏｂｉ矩阵和实对称带状矩阵特征值反问题和线性（谱）约束下矩阵（束）逼近问题。这些问题出现在各种应用领域，如粒子物理的核光谱光、结构设计、振动反问题、Ｓｔｕｒｍ－Ｌｉｏｕｖｉｌｌｅ反问题和 数学物理反问题的离菜化以及结构动力模型的校正。最近２０年，对这些问题的提法逐渐完善，解的慧生和数值方面已取得了许多重要进展。本文评     

一种目标散射中心特征快速提取算法

首先用基于几何绕射理论的GTD(Geometrical theory of diffraction)模型来精确描述雷达目标的高频电 磁散射特性;同时,提出一种可应用于目标识别的散射中心特征提取快速算法:基于传播算子(Propagator)的 多重信号特征算法(PM-MUSIC).其核心思想是利用传播算子法快速计算出噪声子空间,取代了原MUSIC方法中利用特征值分解获取噪声子空间的矩阵分解步骤.通过计算量的比较,说明PM-MUSIC算法较原MUSIC方法有效提高了运算效率.最后.仿真实验表明,PM-MUSIC算法在快速估计的基础上,仍具有良好的精度和较高的分辨率,可有效地提取以边缘绕射等为主要散射形式的隐身目标的散射中心.     

联合特征子空间下Wasserstein距离对齐的胃CT图像识别

为提高小样本下胃肿瘤的辅助诊断性能,结合临床实践,研究联合特征子空间下Wasserstein距离对齐的胃CT图像识别方法。首先,为减少源域特征和目标域特征之间的差异,进行有效迁移,利用主成分分析(Principal Component Analysis, PCA)法寻找子空间的线性变换基向量,构建联合特征子空间,实现数据全局均值和协方差的对齐;然后,采用基于最优传输理论的Wasserstein距离算法进一步衡量子空间内正负标签数据特征之间的分布距离,增加正负标签数据特征之间的区分度,实现细粒度迁移;最后,针对传统极限学习机算法容易过拟合且稳定性差的问题,使用L₁范数正则化对输出权重矩阵进行稀疏约束,提高模型鲁棒性,实现迁移特征的有效分类。实验结果表明,该方法在内部测试集的AUC为0.891,外部测试集的AUC为0.897,一定程度上可为医生提供较好的诊断参考,具有现实意义。     

组合QR算法

本文提出了一个求解非对称实矩阵特征值问题的新方法—组合QR算法,给出了一些数值计算实例,并对此方法作了讨论。