平均值组合评价方法的优良性研究

综合评价方法广泛应用于教育、管理等很多领域.在一定程度上可以说综合评价的结果是决策的基础.因此选用好的综合评价方法非常重要.提出了一种新的综合评价方法:平均值组合评价方法.这种方法在一定程度上克服了单一综合评价方法的片面性.研究结果还表明所提的平均值组合评价方法在平方损失函数和兼容度两种标准下具有优良性.     

几类改进的新的两步六阶Chebyshev-Halley方法

利用权函数法,给出非线性方程求根的Chebyshev-Halley方法的几类改进方法,证明方法六阶收敛到单根.Chebyshev-Halley方法的效率指数为1.442,改进后的两步方法的效率指数为1.565.最后给出数值试验,且与牛顿法,Chebyshev-Halley 方法及其它已知的方程求根方法做了比较.结果表明方法具有一定的优越性.     

建立在修正BFGS公式基础上的新的共轭梯度法

共轭梯度法是一类非常重要的用于解决大规模无约束优化问题的方法. 本文通过修正的BFGS公式提出了一个新的共轭梯度方法. 该方法具有不依赖于线搜索的充分下降性. 对于一般的非线性函数, 证明了该方法的全局收敛性. 数值结果表明该方法是有效的.     

一类满足FSAL技术的RKNd方法

陈丙振和游雄给出了内级阶比传统 RK 方法高一阶的 RKNd 方法.FSAL技术是一种常用的节省函数计算量的手段. 其主要思想是,方法的更新与内级的最后一步相同. 本文正是给出满足FSAL技术的RKNd 方法. 数值试验表明, 本文的 RKNdF 方法比RKNd 方法在计算效率上具有一定的优越性.     

一类新的求解非线性方程的七阶方法

利用权函数法给出了一类求解非线性方程单根的七阶收敛的方法.每步迭代需要计算三个函数值和一个导数值,因此方法的效率指数为1.627.数值试验给出了该方法与牛顿法及同类方法的比较,显示了该方法的优越性.最后指出Kou等人给出的七阶方法是方法的特例.     

基于最小二乘近似的模型平均方法

本文提出基于最小二乘近似的模型平均方法.该方法可用于线性模型、广义线性模型和分位数回归等各种常用模型.特别地,经典的Mallows模型平均方法是该方法的特例.现存的模型平均文献中,渐近分布的证明一般需要局部误设定假设,所得的极限分布的形式也比较复杂.本文将在不使用局部误设定假设的情形下证明该方法的渐近正态性.另外,本文将该方法发展到维数发散的情形.数值结果显示了该方法的优势.     

OGY方法的改进及证明*

OGY方法是混沌控制最重要的方法.通过选取系统参数的小变化,使双曲不动点变“稳定”.本文改进了OGY方法中的参数选取方法,并且完成了对OGY方法的严格证明.     

锐角三角函数求值

求三角函数值的方法较多,且方法灵活.是中考中常见的题型.我们可以根据已知条件结合图形选用灵活的求解方法.     

求解初值问题的RKNd方法

本文基于一阶常微分方程所导出的二阶微分方程提出RKNd方法,其内级阶比传统RK方法高一阶.RKNd方法的阶条件由特殊Nystr(o)m树给出.在相同级数下,RKNd方法可达到的最高代数阶比传统的RK方法高.数值实验结果表明RKNd方法比同阶RK方法在计算效率上具有一定的优越性.     

解线性方程组的松弛方法及其应用

线性方程组在科学和工程领域中有着重要的应用,松弛方法是求解线性方程组的有效算法之一.本文在著名的Gauss-Seidel迭代法的基础上,研究了一种有效的松弛方法.理论分析表明,该方法能收敛到线性方程组的唯一解.此外,我们还将该方法应用在鞍点问题和PageRank问题的求解上,并得出了相应的数值结果.结果表明该方法比现有的松弛方法更有效.     

一类基于经验特征函数的正则化数值微分方法

利用经验特征函数,我们提出了一种$\ell^1$正则化数值微分方法.区别于传统的数值微分方法,该方法直接输出了目标函数的近似导数.更进一步,我们的方法可以产生关于经验特征函数的稀疏表示.数值结果显示了该方法的有效性.     

传统隐式Runge-Kutta方法的转换方法

多级隐式Runge-Kutta(RK)方法簇中,除Gauss类方法是s级2s阶的辛方法以外,Radau类方法和Lobatto类方法既不是s级2s阶的方法也不是辛方法.基于隐式RK方法是一类转换RK方法这一特征,利用V-变换和Pade对角逼近,提出了构造高阶RK方法的转换定理.依据转换定理,导出了s级2s阶的Radau方法和s级2s阶的Lobatto方法.利用V-变换和待定系数法,导出了辛Radau方法和辛Lobatto方法.在此基础上,发现并证明了辛Radau方法是s级2s阶的方法.     

数据包络分析中规模效率指数方法的一点注记

原有的规模效率指数方法是基于投入导向的模型进行分析的,有悖于规模收益的定义,应该基于产出导向的模型.为此,把基于投入导向的方法转化为基于产出导向的方法.首先,通过理论证明原方法所提出的判定原则也适用于基于产出导向的方法,但由于使用的模型不同,两种方法存在本质的区别.第二,证明了投入导向和产出导向的BCC模型是不等价的,这直接说明两个方法是不等价的.第三,通过实例表明两种方法将产生不同的计算结果,并通过理论分析了其根本原因.上述结论表明,两种方法在投影方式和计算结果等两方面存在差别.因而,开展规模收益分析应该采用基于产出导向的方法.     

一类求解反应扩散方程的Newton波形松弛方法

对反应扩散方程提出一种新型的Newton波形松弛方法,并给出此方法的误差估计式.通过与传统的波形松弛方法比较,这种Newton波形松弛方法有更快的收敛性,且收敛速度不随网格加密而减慢.这种方法可以保持传统波形松弛方法可并行的特点.最后通过数值算例验证这种方法的有效性.     

蒙特卡罗方法计算定积分的进一步讨论

介绍了蒙特卡罗方法计算定积分的原理和方法.给出了用蒙特卡罗方法计算定积分的一个简单证明,从而揭示了蒙特卡罗方法和定积分定义间的内在联系.针对蒙特卡罗方法收敛慢的特点,提出将蒙特卡罗方法与相应的数值计算方法相结合,提高计算结果的精度.此外,将蒙特卡罗方法推广到反常积分上去.     

AHP一致性的概率检验法

Saaty的层次分析决策方法(AHP)是目前较为流行的多属性目标决策方法.AHP方法的一致性问题是其理论研究中心之一.通过Saaty的判断属性集合和一致性水平,很容易验证判断矩阵的一致性程度是否满足.但是对于Saaty的一致性水平,要求C.R≤0.1的内涵还需要进一步的揭示.研究Saaty的一致性原理,并给出检验矩阵一致性的概率方法,简称α一致性方法.     

非线性回归方法的应用与比较

比较了非线性回归3种方法的数学原理:曲线直线化方法、非线性最小二乘方法、近似非线性法.说明了用方差分析确定回归模型的统计学意义、用决定系数R2描述曲线的拟合效果的理论依据.通过对同一问题用3种方法分析得出结论:非线性回归与近似非线性拟合方法决定系数相近(0.9966与0.9965),而曲线直线化决定系数为0.9738.因为近似非线性拟合方法无需选初值.建议应用近似非线性拟合方法.     

数学物理中的总体和局部场GL方法

为了求解物理化学生物材料和金融中的微分方程,提出了一种总体(Global)和局部(Local)场方法.微分方程的求解区域可以是有限域,无限域,或具曲面边界的部分无限域.其无限域包括有限有界不均匀介质区域.其不均匀介质区域被分划为若干子区域之和.在这含非均匀介质的无限区域,将微分方程的解显式地表示为在若干非均匀介质子区域上和局部子曲面的积分的递归和.把正反算的非线性关系递归地显式化.在无限均匀区域,微分方程的解析解被称为初始总体场.微分方程解的总体场相继地被各个非均匀介质子区域的局部散射场所修正.这种修正过程是一个子域接着另个子域逐步相继地进行的.一旦所有非均匀介质子区域被散射扫描和有限步更新过程全部完成后,微分方程的解就获得了.称其为总体和局部场的方法,简称为GL方法.GL方法完全地不同于有限元及有限差方法,GL方法直接地逐子域地组装逆矩阵而获得解.GL方法无需求解大型矩阵方程,它克服了有限元大型矩阵解的困难.用有限元及有限差方法求解无限域上的微分方程时,人为边界及其上的吸收边界条件是必需的和困难的,人为边界上的吸收边界条件的不精确的反射会降低解的精确度和毁坏反算过程.GL方法又克服了有限元和有限差方法的人为边界的困难.GL方法既不需要任何人为边界又不需要任何吸收边界条件就可以子域接子域逐步精确地求解无限域上的微分方程.有限元和有限差方法都仅仅是数值的方法,GL方法将解析解和数值方法相容地结合起来.提出和证明了三角的格林函数积分方程公式.证明了当子域的直经趋于零时,波动方程的GL方法的数值解收敛于精确解.GL方法解波动方程的误差估计也获得了.求解椭圆型,抛物线型,双曲线型方程的GL模拟计算结果显示出我们的GL方法具有准确,快速,稳定的许多优点.GL方法可以是有网,无网和半网算法.GL方法可广泛应用在三维电磁场,三维弹塑性力学场,地震波场,声波场,流场,量子场等方面.上述三维电磁场等应用领域的GL方法的软件已经由作者研制和发展了。     

基于判别超图和非负矩阵分解的人脸识别方法

非负矩阵分解是一种流行的数据表示方法,已广泛应用于图像处理和模式识别等问题.但是非负矩阵分解忽略了数据的几何结构. 而现有的基于简单图的学习方法只考虑了图像的成对信息,并且对计算相似度时的参数选择非常敏感. 超图学习方法可以有效地解决这些问题. 超图利用超边将多个顶点相连接用以表示图像的高维结构信息. 然而, 现有的大部分超图学习方法都是无判别的学习方法.为了提高识别效果, 提出了基于具有判别信息的超图和非负矩阵分解方法的新模型, 利用交替方向法进行迭代求解新模型, 并结合最近邻方法进行人脸识别. 在几个常用标准人脸图像数据库上进行实验, 实验结果表明提出的方法是有效的.     

求解非线性方程的最优8阶史蒂芬森方法

本文研究了非线性方程求根问题.利用权函数方法,获得了一种三步8阶收敛的史蒂芬森型方法.实验结果表明本文提出的方法计算时间少于其它同阶的最优方法.