基于Caputo导数的分数阶非线性振动系统响应计算

研究了含分数阶Caputo导数的非线性振动系统响应的数值计算方法。首先，由Caputo分数阶导数算子的叠加关系，得到含分数阶导数项非线性振动系统状态方程的标准形式。其次，基于Caputo导数与Riemann-Liouville导数和Grunwald-Letnikov导数间的关系，推导计算了Caputo导数的一般数值迭代格式。本文方法不要求状态方程中各分数阶导数阶数相等，弱化了已有算法中对分数阶导数阶数的限制，并可推广到多自由度的情形。随后，选择若干有解析解的算例验证了本文方法的正确性。最后，以多吸引子共存的分数阶Duffing振子系统为例，比较Caputo和GL两种算法所得结果，说明了用GL算法求解存在的问题。     

一类压缩型映射的不动点定理

在完备的度量空间中,讨论了一类新型的非线性压缩映射ρ(Tx,Ty)≤a(ρ(x,y))ρ(x,Tx)+b(ρ(x,y))ρ(y,Ty)+c(ρ(x,y))ρ(x,y)通过构造迭代序列,指出该映射的不动点的存在性和唯一性,并给出相应的误差估计式,拓展和改进了有关文献的范围.     

高维多项式理想的实根计算

研究高维多项式理想实根的计算。对于给定的高维多项式理想,首先通过一个典范同态映射将其转化为扩张多项式环中的零维理想。基于零维实根是实极大理想的交集的结论,该扩张理想的实根可以在新的多项式环中计算。最后,通过理想的收缩,把实根收缩回原多项式环,便可得到高维多项式理想的实根。     

红外和可见光图像泊松融合算法

针对已有红外和可见光图像融合算法存在的复杂度高、实时性差、输入参量多和融合模型受先验知识影响等问题,提出了红外和可见光图像泊松融合算法.算法采用绝对值最大规则融合源图像的梯度得到泊松融合图像的期望梯度,将平均融合图像分解,分别作为迭代的初始值和边界条件,利用雅可比迭代求解泊松方程重建泊松融合图像.通过实验分别确定了最佳迭代次数以满足高质量和高实时性两种融合需求.与经典融合算法相比,该算法在质量优先或速度优先的图像融合应用方面性能更优.     

基于Christopherson迭代的超精密加工流场分析方法

随着特种超精密加工技术的发展，复杂流体被越来越多地用于超精密加工工艺中。超精密加工流场分析具有几何特征复杂、流体本构特性多样、流体边界为自有边界等特点，传统流体数值分析方法难以实现可靠分析。从流体的一般特性出发，将D. G. Christopherson提出的非负二阶偏微分系统的超松弛迭代方法用于超精密加工流场分析，建立了适应性与可靠性兼顾的流场分析方法。以磁流变抛光为例，开展了抛光区域压力场数值计算，结果表明所得压力分布形态正确，且分布从x轴正半轴延伸到负半轴，与郑立功等人的实验测定结果一致。另外，基于Kistler力传感器对磁流变抛光过程的法向压力在0.1~0.3 mm浸深段进行了在位测量，发现计算与实验结果偏差均小于20%。表明了该方法的有效性与准确性。     

约束Fractional Tikhonov正则化的模迭代方法

反问题是现在数学物理研究中的一个热点问题,而反问题求解面临的一个本质性困难是不适定性。求解不适定问题的普遍方法是:用与原不适定问题相“邻近”的适定问题的解去逼近原问题的解,这种方法称为正则化方法.如何建立有效的正则化方法是反问题领域中不适定问题研究的重要内容.当前,最为流行的正则化方法有基于变分原理的Tikhonov正则化及其改进方法,此类方法是求解不适定问题的较为有效的方法,在各类反问题的研究中被广泛采用,并得到深入研究.     

渐近拟非扩张型映象的Ishikawa迭代序列的强收敛性

通过引入一新型条件,研究了渐近拟非扩张型映象不动点的具误差的修正的Ish ikaw a迭代序列的迭代逼近问题,得到新的结果.     

基于CT扫描数据的X射线能谱估计方法

X射线能谱在计算机层析成像(computed tomography,CT)图像硬化校正、双能谱CT成像、辐射剂量计算等方面具有重要作用.常用的估计X射线能谱分布的方法,利用X射线穿过不同厚度模体的衰减数据,来间接估计X射线能谱分布.由于该问题具有严重的病态性,因此如何鲁棒和准确地求解是能谱估计问题的关键.本文提出了一种利用CT扫描数据来估计X射线能谱分布的方法.该方法中考虑了谱估计和图像重建之间的相互印证关系,即谱估计正确时重建的CT图像无硬化伪影,而重建图像无硬化伪影时,则说明估计的谱准确.该方法利用这种相互印证关系构造优化模型,通过交替迭代求解,估计能谱分布和重建无硬化伪影的CT图像.数值实验和实际实验结果表明,该方法可以准确、鲁棒地估计出X射线能谱.     

基于LASSO算法的光谱变量选择方法研究

光谱分析技术由于具有简单、快速、无损等优势,在复杂体系的定性和定量分析中得到了广泛应用。然而光谱中往往包含成百上千的波长点,有些波长点与研究的目标性质并不相关,加大了计算量并降低了模型的预测准确度。因此,在建立模型前需要进行变量选择。最小绝对收缩与选择算子（LASSO）可将回归系数收缩为0,进而达到变量选择的目的。该研究将LASSO用于三元调和油样品近红外光谱和生物样品拉曼光谱的变量选择,基于偏最小二乘（PLS）和多元线性回归（MLR）模型,分别对香油和肌氨酸的含量进行定量分析,并与无信息变量消除－PLS（UVE－PLS）、蒙特卡罗结合UVE－PLS（MCUVE－PLS）和随机检验－PLS（RT－PLS）3种变量选择方法进行比较。结果表明,基于LASSO的变量选择方法保留的变量数最少,运算速度最快。对三元调和油样品,LASSO－PLS预测的准确度最高;对生物样品,LASSO－MLR预测的准确度最高。因此,基于LASSO的变量选择算法有望在光谱分析领域中得到良好应用。