导读:本文包含了广义特征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:特征值,广义,张量,对称,向量,正则,矩阵。
广义特征值论文文献综述
杨月婷,王莉,邢福娜,陈钰婷,曹名圆[1]（2019）在《求解对称张量广义特征值的非单调自适应信赖域法》一文中研究指出将张量广义特征值问题转化为单位超球上的齐次多项式优化问题,利用投影思想,结合自适应技术,提出了自适应信赖域法,进而求得张量的极大(极小)广义特征值,证明了该算法的全局收敛性,并给出了问题最优解的二阶必要性条件.数值实验表明该算法是有效的,在广义特征值问题退化为Z-特征值问题时,与已有结果的数值比较表明本算法更为有效.(本文来源于《北华大学学报(自然科学版)》期刊2019年05期）
李婉晴,汪加梅,王甜甜[2]（2019）在《基于随机密度矩阵特征值联合分布的广义微分熵研究》一文中研究指出研究了基于随机密度矩阵特征值联合分布的广义微分熵。首先,在罗莱珍等人的论文基础上,计算在Wishart矩阵特征值联合分布下的广义微分熵;然后,采用Laplace变换和Laplace逆变换来计算在随机量子态特征值联合分布下以及在随机密度矩阵对角线联合分布下的微分熵;另一方面,研究了由随机量子态所诱导的相关随机矩阵模型,该模型在量子信息理论中有着重要的作用;最后,以Renyi熵和Tsallis熵为例来验证在3种情形下的广义微分熵,并推广了罗莱珍等人的结果。(本文来源于《重庆工商大学学报(自然科学版)》期刊2019年03期）
江芝蒙,侯翔,李杰[3]（2019）在《核子空间投影和广义特征值分解的云数据隐私保护》一文中研究指出云数据及大量网络数据需要在保护用户隐私的前提下进行统计和分析,对此提出核子空间投影和广义特征值分解的云数据隐私保护算法。将云数据进行数学化建模,该算法将隐私保护作为数据转换问题进行处理,转换问题分为隐私不敏感任务和隐私敏感任务两类。该算法形成类间散布矩阵,寻找子空间维度来解决特征值分解问题,并对广义特征值排序,得到广义特征向量对应的最大广义特征值;对云数据进行转换,实现数据隐私保护。实验结果表明,该方法能够实现用户隐私保护,并且核广义特征值分解算法优于子空间隐私保护算法,且两种隐私保护算法都优于其他隐私保护方法。(本文来源于《计算机应用与软件》期刊2019年04期）
李玉洁[4]（2019）在《一类次对称矩阵的广义特征值反问题》一文中研究指出在矩阵广义特征值反问题实际应用中,提供全部的广义特征值有时存在较大困难。本文讨论了已知两组特征对的一类次对称矩阵的广义特征直反问题,通过对次对称矩阵广义特征向量性质的研究,得出该问题有唯一解、多解和无解的充分条件,并给出唯一解的具体表达式及其算法。(本文来源于《玉林师范学院学报》期刊2019年02期）
何军,刘衍民[5]（2019）在《张量广义特征值的新包含域》一文中研究指出张量特征值问题在许多科学领域中都具有重要应用.通过进一步研究正则张量对{A,B}的特征值(α,β)的一些性质,给出张量广义特征值的新包含域,在理论上证明所得到的新包含区域比已有的结果更好,并用数值例子说明结果的有效性.(本文来源于《四川师范大学学报(自然科学版)》期刊2019年02期）
江忠伟,郭新颖[6]（2018）在《基于最小广义特征值的两因素多元方差分析检验法则探讨》一文中研究指出多因素多元方差分析的主要任务是检验各个因素的不同水平对实验数据的影响是否显着。通常都是先构建检验统计量,然后对检验统计量变形,转化成服从F分布的统计量,再进行假设检验。换个角度,直接从数据出发,对数据进行投影降维,然后基于投影后的数据构造F检验统计量进行假设检验。这种分析方法的关键是如何选取投影方向,文章对其进行探讨。(本文来源于《统计与决策》期刊2018年24期）
周健航,杨绪兵,张福全,业巧林,许等平[7]（2018）在《马氏度量下局部化广义特征值最接近支持向量机》一文中研究指出局部化广义特征值最接近支持向量机(Localized GEPSVM,LGEPSVM)是从广义特征值最接近支持向量机(GEPSVM:Proximal Support Vector Machine via Generalized Eigenvalues)衍生而来,其原理是在GEPSVM通过求解广义特征值获得两个彼此不平行的超平面的基础上,分别求解两个超平面的凸壳,修改GEPSVM的分类判据为将测试样本归为距其最近凸壳所属的那一类.分析和实验表明,LGEPSVM较之GEPSVM具有更高的分类精度.然而,由于LGEPSVM在训练和分类过程中都涉及凸壳计算问题,因而费时较多.为了缓解这一问题,本文提出的基于马氏度量的最小椭圆凸壳算法MLGEPSVM(LGEPSVM based on Mahalanobis Metric),即分类时只需要判断样本与对应椭圆凸壳的距离.较之LGEPSVM和GEPSVM,MLGEPSVM具有如下几个特点:(1)给出了马氏度量下的椭圆凸壳计算方法,(2)分类速度更快,(3)更低的存储空间,每类样本仅需存储椭圆凸壳(可通过中心和协方差表示),而不是所有的凸壳顶点.在人工和标准数据集上的实验,验证了MLGEPSVM的上述性能.(本文来源于《南京师大学报(自然科学版)》期刊2018年04期）
桑彩丽,赵建兴[8]（2019）在《张量广义特征值的S-型包含区域》一文中研究指出设{A,B}为m阶n维正则张量对,通过将指标集N={1,2,…,n}划分为非空真子集S及其补集S珚=N/S,利用分类讨论的思想以及张量对{A,B}某些元素选取的任意性和不等式缩放技巧,解决了张量对{A,B}的特征值定位问题,并给出张量对{A,B}特征值的S-型包含区域.数值结果表明,所得包含区域比已有包含区域更精确.(本文来源于《吉林大学学报(理学版)》期刊2019年02期）
吴静,丁小丽[9]（2018）在《实对称五对角矩阵的两类广义特征值反问题》一文中研究指出讨论了如下两类广义特征值反问题:(i)由给定的叁个互异的特征对和给定的实对称正定五对角矩阵构造一个实对称五对角矩阵;(ii)由给定的叁个互异特征对和给定的全对称正定五对角矩阵构造一个全对称五对角矩阵.利用线性方程组理论、对称向量和反对称向量的性质,分别得到了两类反问题存在唯一解的充要条件,并给出了解的表达式和数值算法;最后通过数值例子说明了算法的有效性.(本文来源于《应用数学与计算数学学报》期刊2018年04期）
郭丽杰,韩明花,周硕[10]（2018）在《中心主子阵约束下广义反中心对称矩阵的二次特征值反问题》一文中研究指出利用矩阵的奇异值分解和商奇异值分解,建立了中心主子阵约束下二次特征值反问题的广义反中心对称解存在的充分必要条件,并给出了通解的表达式.进而,考虑了对任意给定矩阵的最佳逼近问题,得到了最佳逼近广义反中心对称解.(本文来源于《东北电力大学学报》期刊2018年03期）
广义特征值论文开题报告
（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：
研究了基于随机密度矩阵特征值联合分布的广义微分熵。首先,在罗莱珍等人的论文基础上,计算在Wishart矩阵特征值联合分布下的广义微分熵;然后,采用Laplace变换和Laplace逆变换来计算在随机量子态特征值联合分布下以及在随机密度矩阵对角线联合分布下的微分熵;另一方面,研究了由随机量子态所诱导的相关随机矩阵模型,该模型在量子信息理论中有着重要的作用;最后,以Renyi熵和Tsallis熵为例来验证在3种情形下的广义微分熵,并推广了罗莱珍等人的结果。
（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。
广义特征值论文参考文献
[1].杨月婷,王莉,邢福娜,陈钰婷,曹名圆.求解对称张量广义特征值的非单调自适应信赖域法[J].北华大学学报(自然科学版).2019
[2].李婉晴,汪加梅,王甜甜.基于随机密度矩阵特征值联合分布的广义微分熵研究[J].重庆工商大学学报(自然科学版).2019
[3].江芝蒙,侯翔,李杰.核子空间投影和广义特征值分解的云数据隐私保护[J].计算机应用与软件.2019
[4].李玉洁.一类次对称矩阵的广义特征值反问题[J].玉林师范学院学报.2019
[5].何军,刘衍民.张量广义特征值的新包含域[J].四川师范大学学报(自然科学版).2019
[6].江忠伟,郭新颖.基于最小广义特征值的两因素多元方差分析检验法则探讨[J].统计与决策.2018
[7].周健航,杨绪兵,张福全,业巧林,许等平.马氏度量下局部化广义特征值最接近支持向量机[J].南京师大学报(自然科学版).2018
[8].桑彩丽,赵建兴.张量广义特征值的S-型包含区域[J].吉林大学学报(理学版).2019
[9].吴静,丁小丽.实对称五对角矩阵的两类广义特征值反问题[J].应用数学与计算数学学报.2018
[10].郭丽杰,韩明花,周硕.中心主子阵约束下广义反中心对称矩阵的二次特征值反问题[J].东北电力大学学报.2018
论文知识图
