H-矩阵预条件Gauss-Seidel迭代法及其收敛性

提出了预条件矩阵I+Cα，并利用此矩阵讨论了H-矩阵方程组的预条件Gauss-Seidel迭代法的收敛性。一些谱半径的比较结果也被给出。     

非奇异H-矩阵的一组新判据

给出了判定非奇异H-矩阵的一组新条件,改进了近期在该领域所取得的主要结果,并给出相应数值例子说明结果的有效性。     

基于分形维数和SVM的新疆民间艺术图案分类

针对已有分类器存在的缺陷, 提出一种以分类错误率为标准选择组合特征的分类方法, 提高分类器的分类精度. 先提取图像的4种分形维数作为纹理特征, 再通过组合不同分形维数特征应用于支持向量机(SVM)进入样本训练阶段. 将分类错误率最低的特征组合作为分类器的特征向量, 应用于测试阶段的分类, 提高分类器的分类精度. 实验结果表明, 该方法具有较好的推广性, 为图像特征组合提取提供了新途径.     

关于z-矩阵的新的预条件迭代方法

引入了新的预条件矩阵P（α,β）=I＋αS＋Rβ,得到了当系数矩阵A是对角占优的Z-矩阵时,矩阵（I＋αS＋Rβ）A在一定的条件下也是对角占优的Z-矩阵,并在此基础上得出了几个重要的收敛定理。新的预条件方法推广了已有的相关结论,并用数值试验对所得定理结论的有效性进行了验证。     

非奇异H-矩阵的判定

运用矩阵分析方法,讨论了非奇异H-矩阵的判定问题,得到两个非奇异H-矩阵新的判定准则,并以数值例子说明判定方法的有效性.     

非奇异H-矩阵的判定准则(英文)

本文中,给出了非奇异H-矩阵的新判定条件,改进了近期的相关结果,并用数值例子说明了所得结果判定范围的更加广泛性。     

非奇H-矩阵的充分条件

非奇H矩阵是具有广泛实际背景的重要矩阵类,但实际判断一个矩阵是否为非奇H矩阵却是困难的.该文给出非奇H矩阵的两个实用且适用范围较广的充分条件. 数值例子说明了结果的优越性.     

非奇H矩阵与M-矩阵的等价条件

本文引进了局部对角占优矩阵的概念，得到了非奇Ｈ矩阵与Ｍ－矩阵的等价条件与判定准则，改进了文［１］的主要结果．     

Convergence analysis of the parallel multisplitting TOR method

In this paper, we propose the parallel multisplitting TOR method, for solving a large nonsingular systems of linear equations Ax = b. These new methods are a generalization and an improvement of the relaxed parallel multisplitting method (Formmer and Mager, 1989) and parallel multisplitting AOR Algorithm (Wang Deren, 1991). The convergence theorem of this new algorithm is established under the condition that the coefficient matrix A of linear systems is an H-matrix. Some results also yield new convergence theorem for TOR method.     

A new criterion for the H-matrix property

For many applications, it is very useful to know whether a matrix is an H-matrix or not. Recently, some iterative tests have been proposed for distinguishing H-matrix. In this paper, we propose a new method for being able to distinguish only a scalar times column vector. Numerical evidence for the effectiveness of the proposed algorithm is presented.