广义逆

摘要： 利用算子分块矩阵的技巧,研究了两个算子乘积的{1,3}-逆的逆序律,给出了闭值域有界线性算子的{1,3}-逆的矩阵表示,证明了当R(A),R(B)和R(AB)都闭时,B{1,3}A{1,3} ■ AB{1,3},{B;(ABB^(13))^(13)}■{(AB)^(13)}成立的充分必要条件。

摘要： 新能源高渗透电网在功率扰动后,频率响应轨迹更容易呈现出频率偏差大和变化速率高的特性,导致频率保护动作受到明显影响。为准确预测强随机运行方式下的系统频率响应特性,利用基于核矩阵广义逆运算的快速核学习算法,结合共模频率解析所得关键特征量,提出一种新能源高渗透电网的频率风险评估方法。该方法通过一组相互独立的采样数据,运用核矩阵广义逆运算构造出正则项函数,避免了一般机器学习算法迭代求解所带来的收敛性问题,并且不降低学习结果的泛化能力。在IEEE 39节点测试系统中进行的算例分析验证了所提方法的有效性。

摘要： 从矩阵逆的存在性、矩阵逆与高等代数若干知识点的联系、求矩阵逆的方法、矩阵广义逆以及矩阵逆和广义逆的应用等方面简述矩阵逆的教与学。

摘要： 准确分析储层岩石的微观孔隙结构特征是发挥油气层的产能和提高油气采收率的关键.构建一种具有过程式输入的极限学习机模型,并提出基于灰狼优化算法原理改进的混洗蛙跳算法对模型的网络隐层节点个数及网络权值进行优化,利用基于张量乘积矩阵的广义逆求解方法加速极限过程学习机模型的求解.实验结果表明:与5种改进混洗蛙跳算法对比,所提的算法无论在6个高维函数优化还是微观孔隙结构类型识别方面都取得了最好的优化效果,具有很好的实际应用价值.

摘要： 考虑幂等自反*-环上广义逆的包含性质,对于幂等自反*-环中的两个{1,3}-可逆元素a和b,证明a=b当且仅当a{1,3}=b{1,3}.

摘要： 应用矩阵分解和广义逆理论给出泛延拓矩阵的极分解和广义逆的计算公式,并推导出泛延拓矩阵极分解的一些扰动界.结果表明,该方法在保持数值精度的同时降低了计算量与存储量.

摘要： 利用矩阵的Moore-Penrose广义逆和矩阵的秩方法,讨论四元数矩阵方程AXA*=B在矩阵方程CX=D相容约束条件下的最小二乘解的一般表达式,通过分块矩阵秩的性质和分块矩阵变换获得最小二乘解的极大秩、极小秩公式.

摘要： 讨论了广泛运用于控制理论、系统识别等领域的广义逆矩阵问题,借助求线性矩阵方程组的修正共轭梯度算法(MCG算法),提出求方阵对称{1,3}逆的修正共轭梯度算法,并证明了算法的收敛性.数值算例表明,该算法具有很高的计算效率.

摘要： 主要讨论了环上广义逆的包含性质.证明了对于幂等自反环中的两个正则元素a和b,a=b当且仅当a{1}=b{1}当且仅当a{1,2}?b{1,2}.

摘要： 讨论了广泛运用于控制理论、系统识别等领域的广义逆矩阵问题,借助求线性矩阵方程组的修正共轭梯度算法(MCG算法),提出求方阵对称{1,3}逆的修正共轭梯度算法,并证明了算法的收敛性。数值算例表明,该算法具有很高的计算效率。

摘要： 探讨了一类Max-代数上矩阵的广义逆,得到了Max-代数上矩阵正则的基本性质及判定方法.同时,引入矩阵空间分解的概念,并证明一个矩阵是正则的当且仅当它是可空间分解的.

摘要： 针对永磁同步电机多变量、非线性、强耦合的特点，提出了基于支持向量机广义逆的模型参考自适应控制策略．在分析永磁同步电机广义可逆性的基础上，利用支持向量机回归理论辨识出系统逆模型并引入线性环节构造其广义逆系统，进而与原系统串联构成广义伪线性复合系统，实现被控对象的线性化重构，简化系统结构和外围控制器的设计难度．结合模型参考自适应控制策略，将支持向量机广义逆作为主控制器，设计出新型可调增益的闭环自适应控制器，提高了系统的鲁棒性．仿真与实验表明，该方法不依赖于被控对象的数学模型，系统抗干扰能力强，减小超调的同时提高了响应速度，实现了转速的高精度跟踪控制．

摘要： 以多变量、非线性、强耦合的感应电机调速系统为研究对象。提出模糊神经网络广义逆鲁棒控制策略。用模糊神经网络构造感应电机调速系统的广义逆系统，将二者串联构成复合伪线性系统，通过合理调节广义逆系统的参数，使得复合伪线性系统具有开环稳定的特性。基于内模控制，根据复合系统的特性设计鲁棒控制器，实现了感应电机转速的高精度鲁棒控制。仿真和实验结果表明系统开环稳定，具有优良的静态及动态性能，对负载扰动、参数摄动和未建模动态等具有很强的鲁棒性。

摘要： 本文讨论求结式循环矩阵的逆与广义逆的快速算法。利用多项式的快速算法，给出了求结式循环矩阵的逆矩阵、自反g-逆、Drain逆的快速算法。

摘要： 为了对复杂产品设计中的设计知识进行有效管理和应用，在前期异构数据管理研究的基础上，提出了跨项目的数据版本管理模型。基于输入输出数据的统计规律建立知识模型，并采用Moore-Penrose广义逆法求解该模型。对已有版本的输入参数进行延拓和抽样以扩大样本点范围，利用获得的知识模型快速求解输出参数，通过综合比较选择优良的输入参数，在设计目标约束下逐步优化输入参数，从而快速收敛到设计目标.实验表明，这种方法能较好地改善设计效率和设计质量。

摘要： 讨论了多目标规划解的性质，分析比较了几种常用模型及其特点，在此基础上提出了一种便于应用的加权最大满意度法。给出了基于函数变换与广义逆的优化方法和混合优化方法的多目标无功优化算法，并通过计算实例证明了算法的有效性和实用性。

摘要： 流量矩阵是许多网络规划和流量工程任务的关键输入,精确的流最矩阵至关重要,但直接监控非常具有挑战性.因此,如何根据对有限链路的测量数据和路由信息等先验信息,通过合理建模米推断流量矩阵,成为重要的研究课题.本文提出了一种基于自适应神经网络方法来估计OD对流量的测量模型.该模型主要包括三部分：首先,引入方程基于广义逆的通解,该通解作为优化流量矩阵方程的约束条件,有效地降低了OD对的模型误差；其次,提出使用Adaline网络估计流量矩阵的值,因为链路流量和OD对流量具有近似线性关系,符合Adaline网络使用条件；最后,引入线性规划方法规划出流量矩阵的最佳值.结果证明,模型是有效的,测量误差的平均值优于其它方法.

摘要： 流量矩阵是许多网络规划和流量工程任务的关键输入,精确的流量矩阵至关重要,但直接监控非常具有挑战性。因此,如何根据对有限链路的测量数据和路由信息等先验信息,通过合理建模来推断流量矩阵,成为重要的研究课题。本文提出了一种基于自适应神经网络方法来估计OD对流量的测量模型.该模型主要包括三部分:首先,引入方程基于广义逆的通解,该通解作为优化流量矩阵方程的约束条件,有效地降低了OD对的模型误差;其次,提出使用Adaline网络估计流量矩阵的值,因为链路流量和OD对流量具有近似线性关系,符合Adaline刚络使用条件;最后,引入线性规划方法规划出流量矩阵的最佳值。结果证明,模型是有效的,测量误差的平均值优于其它方法.

摘要： 针对常规的前馈神经网络因采用梯度下降法进行参数学习而容易陷入局部极小值，且由于算法的局限性，其网络的推广性能较差，容易出现过学习现象的问题，提出了一种新的单隐层前馈神经网络(SLFNs)学习算法。该算法对于输入层权值采用随机数生成，对于输出层权值由算法最优生成，因而能从理论上保证网络结构具有最好的推广特性和最小的经验风险。回归估计和分类试验表明了其优越性。

摘要： 本文基于受控原动件的机械特性和受控机构二自由度的特点,建立了精确实现多点轨迹受控机构的圆拟合优化模型;提出了运用广义逆求解补偿运动位移的方法.

摘要： 本发明公开了一种基于广义Bouc‑Wen逆模型的压电前馈补偿方法。针对压电执行器迟滞的率相关性，采用Hammerstein模型来描述压电率相关逆迟滞特性，以广义Bouc‑Wen非对称逆模型表征逆迟滞非线性，以ARX模型表征逆迟滞率相关特性；采用自适应天牛群智能优化算法对模型参数进行辨识；将建立Hammerstein率相关逆迟滞模型与压电执行器级联构成整体线性化系统来对迟滞非线性进行补偿。本发明通过直接建立广义Bouc‑Wen非对称逆迟滞模型和采用自适应天牛群智能优化算法，降低了建模难度和提高了模型准确度，从而使压电执行器能够进行高精度的定位。

摘要： 本发明公开了一种基于广义Bouc‑Wen逆模型的压电前馈补偿方法。针对压电执行器迟滞的率相关性，采用Hammerstein模型来描述压电率相关逆迟滞特性，以广义Bouc‑Wen非对称逆模型表征逆迟滞非线性，以ARX模型表征逆迟滞率相关特性；采用自适应天牛群智能优化算法对模型参数进行辨识；将建立Hammerstein率相关逆迟滞模型与压电执行器级联构成整体线性化系统来对迟滞非线性进行补偿。本发明通过直接建立广义Bouc‑Wen非对称逆迟滞模型和采用自适应天牛群智能优化算法，降低了建模难度和提高了模型准确度，从而使压电执行器能够进行高精度的定位。

摘要： 本发明公开了一种广义逆狄利克雷混合HMM模型的网络入侵检测方法及装置，方法包括：获取网络入侵数据集，并对所述网络入侵数据集进行聚类；将聚类后的所述网络入侵数据集输入到基于特征选择的广义逆狄利克雷混合HMM模型中进行学习；其中，所述广义逆狄利克雷混合HMM模型的模型参数利用Variational Bayes学习方法进行估计；获取由广义逆狄利克雷混合HMM模型输出的网络入侵数据集对应的特征相关性，并对特征相关性进行特征选择；对选择后的网络入侵数据集的每个数据记录，获取其对应的广义逆狄利克雷混合HMM模型的输出概率，并把输出概率最大的那一类识别为该数据记录的类型。本发明能对网络入侵数据进行无监督学习，还能够关注数据的特征显著性，提升了模型的性能。

摘要： 本发明是一种基于双面阵列和广义逆算法的材料吸声系数测量方法。步骤包括：吸声材料配置、传声数据测量、吸声数据重构和吸声数据处理。吸声材料配置时，吸声材料处于自由场条件下，不需要对吸声材料进行预处理。传声数据测量时，采用双面传声阵列进行双面阵列测量，并利用有限差分法、通过修正转向向量，来降低有限差分法的法向振速估计误差，从而获得双面阵列的声压和振速数据。吸声数据重构时，利用广义逆声源识别法重构材料表面的声压和振速分布，并基于重构得到的声压和振速数据，利用最小二乘估计重构材料表面的吸声系数/阻抗分布，最终得到材料表面的吸声系数。本发明具有检测效率较高，应用范围广泛，动态显示灵活，抗干扰能力强的优点。

摘要： 本发明公开了一种基于M‑P广义逆的三芯电缆导体温度动态获取方法，步骤包括：根据三芯电缆的物理结构建立基本热路模型；将基本热路模型简化为三阶热路模型；简化三阶热路模型为一阶热路模型；根据一阶热路模型建立三芯电缆热量从导体到外表皮传导过程的连续数学模型；将连续模型离散化建立三芯电缆热量传导过程的离散数学模型；计算三芯电缆热量传导过程的离散数学模型的模型参数；测量三芯电缆运行过程中的部分运行参数；根据离散模型参数和三芯电缆运行参数，基于三芯电缆外表皮温度和运行电流与其导体温度之间的关系，动态计算三芯电缆的导体温度。该三芯电缆导体温度动态获取方法运用M‑P广义逆方法计算模型参数，计算准确度高、速度快。

摘要： 本发明公开一种基于互谱优化的互谱广义逆波束形成方法，首先基于传统广义逆波束形成构造转向矩阵。其次是结合线性优化方法对声压互谱矩阵进行优化。最后通过求解得到的转向矩阵和优化的声压互谱矩阵，结合传统的互谱矩阵波束形成思想，构造新的基于优化互谱矩阵的互谱广义逆波束形成算法。该算法在运用广义逆波束形成高分辨率优势的同时，能够充分利用基于互谱优化的互谱波束形成的抗噪性能。

摘要： 本发明提出一种基于广义逆‑神经网络的多光谱辐射测温反演计算方法、计算机及存储介质，属于多光谱辐射测温反演计算技术领域。首先，模拟多光谱辐射测温计为每个光谱通道计算电压值；其次，为每个光谱通道构建一个方程，形成方程组，通过广义逆矩阵计算得到与发射率模型中具有相似规律的温度和发射率数据；再其次，将数据与发射率模型中的发射率变化规律进行对比，进行分类；再其次，定义一组超参数，对神经网络进行训练，并在训练过程中利用模拟退火算法修改参数，训练最优参数；最后，将测试集验证样本集输入神经网络中，输出多光谱辐射测温数据。解决现有技术中存在原有数据处理方法不能普遍适用于不同发射率的材料不能快速地进行反演的问题。

摘要： 本发明是一种基于双面阵列和广义逆算法的材料吸声系数测量方法。步骤包括：吸声材料配置、传声数据测量、吸声数据重构和吸声数据处理。吸声材料配置时，吸声材料处于自由场条件下，不需要对吸声材料进行预处理。传声数据测量时，采用双面传声阵列进行双面阵列测量，并利用有限差分法、通过修正转向向量，来降低有限差分法的法向振速估计误差，从而获得双面阵列的声压和振速数据。吸声数据重构时，利用广义逆声源识别法重构材料表面的声压和振速分布，并基于重构得到的声压和振速数据，利用最小二乘估计重构材料表面的吸声系数/阻抗分布，最终得到材料表面的吸声系数。本发明具有检测效率较高，应用范围广泛，动态显示灵活，抗干扰能力强的优点。

摘要： 本发明公开了一种使用矩阵广义逆来分批次提取产品数据特征的方法，所述的方法基于某一产品生产过程的分批次的分析和化验结果，在对相应的样本进行特征提取和数据降维之后，可以过滤掉在数据采集时由于随机因素引起的数据扰动，并且使用数据的本征特征来代表数据，具有结果的稳定性；同时，本方法采用分批次的更新方式，计算的时间复杂度和空间复杂度较低。

摘要： 本发明公开了一种广义逆狄利克雷混合HMM模型的网络入侵检测方法及装置，方法包括：获取网络入侵数据集，并对所述网络入侵数据集进行聚类；将聚类后的所述网络入侵数据集输入到基于特征选择的广义逆狄利克雷混合HMM模型中进行学习；其中，所述广义逆狄利克雷混合HMM模型的模型参数利用Variational Bayes学习方法进行估计；获取由广义逆狄利克雷混合HMM模型输出的网络入侵数据集对应的特征相关性，并对特征相关性进行特征选择；对选择后的网络入侵数据集的每个数据记录，获取其对应的广义逆狄利克雷混合HMM模型的输出概率，并把输出概率最大的那一类识别为该数据记录的类型。本发明能对网络入侵数据进行无监督学习，还能够关注数据的特征显著性，提升了模型的性能。