导读:本文包含了最小奇异值论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:奇异,最小,分解,矩阵,电压,稳定,阈值。
最小奇异值论文文献综述
崔伟成,许爱强,李伟,孟凡磊[1]（2017）在《基于拟合误差最小化原则的奇异值分解降噪有效秩阶次确定方法》一文中研究指出为了最大限度地提高旋转机械设备故障振动信号的信噪比,研究了奇异值分解降噪的原理,提出了一种新的奇异值分解降噪有效秩阶次的确定方法。首先,对振动信号进行相空间重构,对吸引子轨迹矩阵进行奇异值分解;然后,按不同的阶数,将奇异值分成信号组和噪声组,对每次分组的结果,以阶数为自变量、以奇异值为因变量,拟合成信号特征奇异值曲线和噪声特征奇异值曲线,并求拟合误差;最后,将拟合误差最小值对应的奇异值阶数确定为有效秩阶次,并进行奇异值分解降噪。通过数值仿真和实际齿轮故障数据分析,表明该方法可以有效地提高信号的信噪比,为后期的故障特征提取创造有利条件。(本文来源于《振动与冲击》期刊2017年03期）
刘婷,戴亚康,杨莹雪,王玉平[2]（2015）在《基于奇异值分解和最小L2范数解的动态脑磁源重建》一文中研究指出脑内神经信号的动态传递过程在临床脑疾病诊断和认知科学中得到了越来越多的重视和研究。为求解动态脑磁逆问题,本文提出通过时域子空间求解动态脑磁L2范数解的方法并验证其可行性。具体地,对脑磁测量信号进行奇异值分解,通过右奇异向量矩阵构造源信号的时域子空间,将测量信号和待求源信号投影到时域空间进行求逆,然后将解反投影到解空间重建出动态脑磁源信号。与施加时域约束的双正则化方法相比,本文方法计算量大大降低,不同噪声水平下本文方法的均方误差都小于双正则化方法,而且重建出的源信号与仿真信号吻合更佳,信噪比更高。(本文来源于《中国体视学与图像分析》期刊2015年03期）
蒋建新[3]（2014）在《块H矩阵的逆矩阵无穷范数和最小奇异值的估计》一文中研究指出利用块H-矩阵的子矩阵块Dashnic-Zusmanovich矩阵的定义式和性质,给出了该类矩阵的逆矩阵无穷范数和1范数的上界,并得到了最小奇异值的下界。(本文来源于《文山学院学报》期刊2014年06期）
王海军,张圣燕[4]（2014）在《最小软阈值和连续概率奇异值的跟踪算法》一文中研究指出针对目标跟踪中IVT(Incremental visual tracking)算法对遮挡问题比较敏感,1算法计算量大的缺点,将PCA(Principal Component Analysis)子空间假定为具有高斯噪声和拉普拉斯噪声,同时引入二进制值以排除遮挡因素,提出了基于最小软阈值和连续概率奇异值的目标跟踪算法。实验结果表明,新算法对光照、遮挡、尺度变化等因素具有较强的鲁棒性。(本文来源于《滨州学院学报》期刊2014年06期）
赵仁庆,钟振华,刘鹏[5]（2014）在《GS-SDD矩阵的逆矩阵的无穷范数和最小奇异值的估计(英文)》一文中研究指出本文给出了GS-SDD矩阵的逆矩阵的‖A-1‖∞的一个新上界和最小奇异值的一个新下界。数值算例表明所得结论是有效的。(本文来源于《楚雄师范学院学报》期刊2014年06期）
李繁,金明录,刘继[6]（2014）在《基于GPU的并行奇异值分解最小平方估计算法》一文中研究指出对奇异值分解(SVD)求解最小平方估计的问题进行了研究。提出迭代式分割与合并的算法(IDMSVD),目的是解决奇异值分解在估计参数时非常耗费内存空间的问题。基于IDMSVD提出了并行IDMSVD算法,并使用GPU实现之。实验结果显示,IDMSVD可以有效地解决SVD求最小平方解耗费运行时间与内存空间的问题,并行IDMSVD算法可进一步改善IDMSVD的运行时间。(本文来源于《计算机科学》期刊2014年06期）
再乃拜尔,祝丽萍[7]（2014）在《最小平方估计奇异值分解法的分布式算法》一文中研究指出提出迭代式分割与合并的算法(IDMSVD),以改善最小平方估计的奇异值分解法在估计参数时非常耗费时间以及内存空间的问题.基于此又提出一种使用云计算Hadoop平台MapReduce实现的算法,称为分布式IDMSVD算法.实验结果显示,IDMSVD可以有效地改善SVD求最小平方解耗费运行时间与内存空间的问题,且分布式IDMSVD算法可进一步改善IDMSVD的运行时间.(本文来源于《伊犁师范学院学报(自然科学版)》期刊2014年01期）
陈凤英[8]（2014）在《基于广义Tellegen定理的静态电压稳定的最小奇异值快速计算》一文中研究指出伴随电力网络规模不断扩大，电压稳定潜在的危险性增加。最小奇异值作为静态电压稳定判定指标之一，因为能够很好地反映静态电压稳定裕度而得到了广泛的应用，因此，本文就快速求取最小奇异值及利用奇异值分解法分析静态电压稳定问题展开研究，研究工作如下：对于大规模电力系统而言，最小奇异值分析方法的缺点之一是计算量过大。因此，从两个方面入手提高最小奇异值的求取速度：其一，是提高潮流计算环节的计算速度；其二，是提高潮流雅可比矩阵基础上求取最小奇异值的计算速度。本文在传统的电流注入型潮流算法的基础上求取最小奇异值，此方法主要对PQ节点的迭代修正方程进行了简化，提高了最小奇异值在潮流计算环节的求取速度；其次在改进的电流注入型模型基础上快速求取最小奇异值，此方法对PQ节点和PV节点的迭代修正方程都进行了简化，近一步提高了最小奇异值在潮流运算环节的计算速度。在电流型广义Tellegen定理潮流算法的基础上快速求取最小奇异值，此算法使PV节点和PQ节点在潮流迭代计算过程中采用了类似的迭代方法，运用广义Tellegen定理的小扰动定理进行潮流修正方程的迭代计算，使最小奇异值的求取在潮流计算环节具有更好的收敛性和更快的计算速度。构建电流型广义Tellegen定理PQ群潮流雅可比矩阵模型，并推理论证了潮流PQ群雅可比矩阵与潮流雅可比矩阵的等价性。此模型在潮流迭代结束后的PQ群雅可比矩阵的基础上快速求取最小奇异值，其特点是把雅可比矩阵的维数降低到PQ节点数，减少了最小奇异值求解过程中矩阵求逆的计算量。对于PV节点多的电力系统，求取最小奇异值的计算速度优势会更加明显。以IEEE-30系统为例，在电流型广义Tellegen定理PQ群潮流雅可比矩阵模型基础上，通过N1减负荷试验求取最小奇异值来确定单负荷故障或单负荷切掉后与系统电压稳定相关的关键负荷节点，并通过实例分析确定切除负荷的原则和切除负荷的优先顺序；通过N1断线实验求取最小奇异值来寻找线路检修或断路情况下与系统电压稳定相关的关键支路。(本文来源于《辽宁工业大学》期刊2014-03-01）
张衍[9]（2013）在《电压稳定在线监控的最小奇异值指标》一文中研究指出对潮流雅可比矩阵进行奇异值分解,计算最小奇异值及相应奇异向量是较成熟的静态电压稳定分析方法之一。负荷特性、发电机的励磁限制被普遍认为对电压稳定有显着影响。本文首先介绍了最小奇异值分析方法,以其接近零的程度反映电压稳定水平。之后分析了该方法对负荷特性和发电机励磁限制的适应性,并使用全过程动态仿真程序(PSD-FDS)进行验证。最后,在此基础上对利用最小奇异值进行在线监控提出建议。(本文来源于《2013年中国电机工程学会年会论文集》期刊2013-11-20）
李繁,金明录,刘继[10]（2014）在《分布式奇异值分解最小平方估计算法》一文中研究指出对奇异值(SVD)分解求解最小平方估计的问题进行了研究。提出迭代式分割与合并的算法(IDMSVD),目的是改善奇异值分解在估计参数时非常耗费时间以及内存空间的问题。基于IDMSVD提出了分布式迭代式分割与合并算法(MRDSVD),使用Hadoop平台的MapReduce来实现,实验结果显示,IDMSVD可以有效改善SVD求最小平方解耗费运行时间与内存空间的问题,MRDSVD算法可进一步改善IDMSVD的运行时间。(本文来源于《计算机工程与应用》期刊2014年03期）
最小奇异值论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
脑内神经信号的动态传递过程在临床脑疾病诊断和认知科学中得到了越来越多的重视和研究。为求解动态脑磁逆问题,本文提出通过时域子空间求解动态脑磁L2范数解的方法并验证其可行性。具体地,对脑磁测量信号进行奇异值分解,通过右奇异向量矩阵构造源信号的时域子空间,将测量信号和待求源信号投影到时域空间进行求逆,然后将解反投影到解空间重建出动态脑磁源信号。与施加时域约束的双正则化方法相比,本文方法计算量大大降低,不同噪声水平下本文方法的均方误差都小于双正则化方法,而且重建出的源信号与仿真信号吻合更佳,信噪比更高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
最小奇异值论文参考文献
[1].崔伟成,许爱强,李伟,孟凡磊.基于拟合误差最小化原则的奇异值分解降噪有效秩阶次确定方法[J].振动与冲击.2017
[2].刘婷,戴亚康,杨莹雪,王玉平.基于奇异值分解和最小L2范数解的动态脑磁源重建[J].中国体视学与图像分析.2015
[3].蒋建新.块H矩阵的逆矩阵无穷范数和最小奇异值的估计[J].文山学院学报.2014
[4].王海军,张圣燕.最小软阈值和连续概率奇异值的跟踪算法[J].滨州学院学报.2014
[5].赵仁庆,钟振华,刘鹏.GS-SDD矩阵的逆矩阵的无穷范数和最小奇异值的估计(英文)[J].楚雄师范学院学报.2014
[6].李繁,金明录,刘继.基于GPU的并行奇异值分解最小平方估计算法[J].计算机科学.2014
[7].再乃拜尔,祝丽萍.最小平方估计奇异值分解法的分布式算法[J].伊犁师范学院学报(自然科学版).2014
[8].陈凤英.基于广义Tellegen定理的静态电压稳定的最小奇异值快速计算[D].辽宁工业大学.2014
[9].张衍.电压稳定在线监控的最小奇异值指标[C].2013年中国电机工程学会年会论文集.2013
[10].李繁,金明录,刘继.分布式奇异值分解最小平方估计算法[J].计算机工程与应用.2014
论文知识图
