一、解线性方程组的MATLAB法（论文文献综述）
薛亮[1]（2021）在《高斯消去法和矩阵三角分解法在线性方程组中的应用》文中认为文章介绍了高斯消去法和矩阵三角分解法这两类直接求解线性方程组的数值解法,并阐述了它们的基本思想、具体解法及特点,最后给出了各解法的相关数值实例及分析方法.
谢鑫宇[2]（2021）在《重分析加速的0-1离散变量拓扑优化》文中进行了进一步梳理结构拓扑优化已经在固体各向同性材料惩罚法、水平集法、可移动变形组件法等方法的框架下取得了诸多成果。近几年学者们开始回归研究0-1离散变量拓扑优化,在提出的正则松弛算法中指出,0-1离散变量灵敏度的计算需要两次近似并且在添加单元的情况下存在问题。为了解决上述问题,本文提出了一种重分析加速的正则松弛算法。本文首先介绍了0-1离散变量拓扑优化方法以及正则松弛算法,分析了求解离散变量灵敏度时需要两步近似的问题,并通过举例说明了在添加单元时Neumann级数展开的灵敏度结果发散的问题。然后采用组合近似法、共轭梯度法、预处理共轭梯度法、SMW（Sherman-Morrison-Woodbury）精确重分析法这四种重分析方法来验证重分析方法在结构0-1拓扑修改问题中的适应性,提出结构刚度矩阵的SMW重分析格式。并对四种重分析方法的计算机操作数进行对比,通过算例验证得到组合近似法和SMW重分析方法可以高效的解决0-1拓扑修改问题。由于SMW法在修改少量单元时高效的优势,采用SMW重分析方法推导并简化了0-1离散变量灵敏度,将其与正则松弛算法结合,得到了在保证精度与精确计算一致的前提下采用重分析加速的正则松弛算法,并编写了MATLAB代码。数值算例验证了重分析灵敏度的准确性,也验证了正则松弛算法可以得到不存在中间密度的拓扑构型,并说明将重分析引入正则松弛算法的正确性,最后分析两个需要预先设置的参数对正则松弛算法的影响来说明重分析加速的正则松弛算法的通用性。结果表明,在保证精度与精确解一致的前提下,本文提出的0-1离散变量灵敏度重分析可以实现加速正则松弛算法。
吉阳珍[3]（2021）在《6R工业机器人运动学及动力学关键问题研究》文中指出工业机器人作为先进制造业的关键支撑装备,其是实现智能制造的基础,也是未来实现工业自动化、数字化、智能化的重要保障。当前国产工业机器人高精度力-位控制系统的发展被运动和力等核心控制技术的缺失所掣肘,对相关问题的研究、方法创新、控制算法实现等迫在眉睫。为此,本文以应用广泛的6R工业机器人（以ABB IRB 4600型机器人为例）为研究对象,对其在运动学与动力学领域存在的关键重难点问题进行了探讨,并结合智能优化算法,探索了新的解决方法。论文的主要研究内容包括:（1）根据标准D–H参数法建立了6R工业机器人的运动学模型,分析了机器人的正运动学方程的建立过程,采用改进后的Monte·Carlor方法模拟了机器人的工作空间,验证了该方法的求解有效性;借助专业数学软件Maple推导了IRB 4600机器人逆运动学的解析求解公式,形成了通用的计算流程;将逆运动学求解问题转化为非线性方程组的求解问题,并以最小化位姿误差为目标结合运动平稳性原则构造了优化目标函数,以线性加权和法设计了算法求解的适应度函数。（2）使用Newton-Euler法在标准D-H坐标系下,梳理了机器人各关节力和力矩的递推关系,从而建立起机器人的动力学模型并实现编程验证;分析了机器人动力学参数的辨识问题,分别得到无摩擦力和考虑摩擦力因素时机器人需要辨识的动力学参数集合;介绍了参数辨识的常用方法,将辨识问题转化为非线性系统的优化问题,以最小化力矩误差为目标构造了算法求解的优化目标函数,并相应设计了适应度函数。（3）针对逆运动学求解存在的多解、精度低及通用性差等问题,提出了一种适用于各类6R工业机器人求逆解的组合优化算法。通过使用混沌映射初始化种群、收敛因子非线性更新、自适应惯性权重及引入模拟退火等4种策略得到了一种改进的鲸鱼优化算法（MSWOA）用于逆运动学问题求解;组合算法将MSWOA算法求解的结果作为初始值,再利用Newton–Raphson数值法快速迭代出满足精度要求的运动学逆解。（4）在MATLAB环境下开展多组机器人运动学及动力学关键问题求解的仿真试验,逆运动学求解试验结果表明:改进后的鲸鱼算法求逆性能得到了较大提升;相比于直接利用鲸鱼算法进行求逆,组合优化算法具有求解速度快、稳定性好、精度高的特点,同时可以解决对奇异点和一般6R机器人的求逆问题,证明了该算法求逆的可行性与有效性。使用PSO算法和WOA算法进行动力学参数辨识试验,分别通过一次性整体辨识与分步多次辨识,经模型验证,结果表明:PSO算法具有更好的求解性能,分步辨识可以得到更准确的动力学参数值,证明了使用优化算法解决参数辨识问题的有效性。
黄惠玲[4]（2020）在《Matlab在高职线性代数教学中的应用研究》文中进行了进一步梳理本文根据当前高职院校线性代数教学的现状,结合Matlab功能强大的特点,提出了在线性代数教学中引入Matlab软件的观点,同时结合课堂教学实例探讨了Matlab在线性代数教学中的具体操作和应用方法。
郑蓉建[5]（2020）在《谷氨酸发酵过程的软测量建模研究》文中指出生物产业（含发酵食品、发酵化学品、发酵医药品、发酵能源等）是国民经济的支柱产业,广泛应用于食品、饲料、医药和化工等领域。谷氨酸是世界上产量最大的氨基酸,主要通过发酵生产。在发酵过程中,重要生化参数（如菌体浓度、基质浓度、产物浓度等）的实时获取,对于过程的控制与优化具有十分重要的意义。然而发酵过程具有强烈非线性、时变性、强耦合等特征,关键生化参数无法在线检测,目前生产中大都采用实验室取样分析方法来得到。为此,软测量技术通过建立过程在线易测辅助变量与难测主导变量（重要生化参数）之间的数学模型,来实现对发酵过程重要生化参数的预测估计,是解决上述问题的有效途径。在过去几十年里,软测量技术已经成为过程控制领域的研究热点,并在工业过程中得到广泛应用。本课题来源于国家自然科学基金面上项目（项目编号61273131）“生物反应过程的在线支持向量机建模与优化”,以典型生化过程——谷氨酸发酵过程为研究背景,结合谷氨酸发酵过程的实际生产操作机理,对谷氨酸发酵过程中难于在线测量的关键生化参数的软测量建模及相关问题进行了深入研究,取得的研究成果如下:（1）针对谷氨酸发酵过程关键生化参数无法在线检测给发酵优化控制带来困难问题,建立了改进遗传算法对模型参数进行辨识的谷氨酸分批流加非结构动力学模型。在发酵过程常用的Logistic模型、Luedeking-Piret等方程基础上建立了谷氨酸分批流加非结构动力学模型,分别采用非线性规划、基本遗传算法、改进遗传算法对模型参数进行辨识,并对不能在线测量的重要生化参数如菌体浓度、基质浓度和产物谷氨酸浓度进行拟合和估计预测,谷氨酸发酵实验和仿真结果验证了所建动力学模型的有效性。（2）针对高度非线性、时变性的谷氨酸发酵过程动力学模型存在批次性、预测精度差、机理建模困难问题,基于生化过程多阶段特性,提出多阶段支持向量机回归的数据驱动软测量模型、并应用于谷氨酸发酵过程产物浓度的预测。为此,首先建立了基于移动窗的皮尔逊相关系数结合线性回归的发酵过程阶段分割方法,分割结果与常规离线化验分析结果基本一致;其次,基于阶段划分的基础上建立多阶段支持向量机回归的产物谷氨酸浓度预测软测量模型。实验和仿真结果表明,多阶段模型相比全局单模型具有更高的预测能力。（3）针对支持向量机回归模型运算时间过长、谷氨酸发酵过程影响因素存在耦合等问题,在分析最小二乘支持向量机理论基础上,建立了偏最小二乘和最小二乘支持向量机相结合的谷氨酸发酵过程软测量模型。首先通过相关系数矩阵对输入变量进行相关性分析,表明变量间存在较强相关性;进一步采用方差膨胀因子对变量的多重共线性进行诊断,结果表明变量间存在中等程度共线性,需要对输入相关变量进行筛选。为此,利用偏最小二乘找出对预测模型输出变量重要的输入变量,降低预测模型输入变量维数、消除相关性、简化模型,以提高预测模型的精度。进一步,运用耦合模拟退火算法对最小二乘支持向量机的参数进行优化,谷氨酸发酵实验仿真结果表明,所建模型预测精度高,可为谷氨酸发酵过程操作及时调整及优化控制提供有效指导。（4）针对支持向量机回归和最小二乘支持向量机等参数化回归软测量建模存在过拟合、参数设置困难、不能刻画预测结果不确定问题,设计了一种基于特征关联性的输入变量选择、超参数自适应获取、输出具有概率特性的自相关决定高斯过程软测量模型,并应用于谷氨酸发酵过程。首先应用高斯过程回归模型进行训练,同时在贝叶斯框架下,确定协方差函数中的超参数,利用训练好的高斯过程回归模型进行预测。其次,分析了谷氨酸浓度对发酵参数的感度发现,发酵时间、CO2释放速率CER、O2消耗速率OUR对谷氨酸浓度影响最大。进一步,分析了预测值的不确定性即方差和模型输入在线变量之间变化关系,当发酵罐温度T、CO2释放速率CER、O2消耗速率OUR异常变化时,发现预测值的方差随之发生明显变化,可利用预测值的方差异常变化作为发酵过程状态或传感器异常的指示器。谷氨酸发酵实验和仿真研究表明,所建基于特征关联性的自相关决定高斯过程回归的软测量模型可以实现对谷氨酸浓度的较高精度预测,且预测结果具有较小的置信度区间,满足发酵过程实时控制需要。（5）谷氨酸发酵过程是一个复杂的生化过程,在无法根据发酵过程复杂内部机理建立准确的动力学模型的条件下,要实现发酵过程的优化控制是一个具有挑战性的课题。基于对谷氨酸发酵过程机理分析和研究,运用软测量技术建立了难测参数的软测量模型,设计和优化了谷氨酸发酵过程溶氧控制,将所建软测量模型应用于谷氨酸发酵过程异常批次的识别,并基于罗克韦尔公司开发的RSLogix5000编程软件平台开发了一套谷氨酸发酵过程软测量建模及优化控制系统。通过实际应用表明,该系统能满足谷氨酸发酵过程的实际运行需求,提高了自动化水平,减轻操作人员的劳动强度。
李成梁[6]（2020）在《具有特殊块结构线性系统的数值算法研究》文中研究说明在科学和工程的许多重要领域中,如数字图像处理、计算流体力学、结构动力学、油藏模拟、电磁学问题和约束优化问题等,经过适当的数值离散都会得到一系列具有不同块结构的大规模稀疏线性系统.而快速高效地求解这类线性方程组已成为科学与工程领域的核心问题之一,具有非常重要的理论意义和实用价值.本文旨在研究几类具有特殊块结构的大型稀疏线性系统:鞍点问题、复线性系统和块2×2线性系统,利用系数矩阵的块结构或性质,构造了一系列有效的迭代方法和预处理子.主要成果如下:针对非奇异鞍点问题,研究了两类有效的变形迭代法及预处理子.首先在实数域上设计了一类加速的SSOR（ASSOR）迭代法,分析了该方法在一定条件下是收敛的,数值实验说明了该方法是有效的.然后在复数域上提出了一类Uzawa-正定和半正定分裂（Uzawa-PPS）迭代法及预处理子,分析所提方法的收敛性和预处理矩阵的谱性质,数值实验验证了Uzawa-PPS迭代法及预处理子的可行性和有效性.针对非奇异复线性系统,研究了三类有效的Euler外推迭代法及预处理子.首先在系数块矩阵为对称半正定时提出了一类Euler外推Hermitian和反Hermitian（EHS）迭代法及预处理子,给出了E-HS方法的收敛性条件和最优迭代参数,并得到了预处理矩阵的特征值分布.其次在相同假设条件下设计了一类正则化的Euler外推HS（RE-HS）迭代法及预处理子,并分析了RE-HS方法的收敛性和预处理矩阵的谱性质.最后在系数块矩阵为正定时构造了一类交替的Euler外推HS（AE-HS）迭代法及预处理子,证明了AE-HS方法是无条件收敛的.同时,相应的数值实验说明了这三类Euler外推迭代法及预处理子的可行性和有效性.针对奇异复对称线性系统,研究了两类有效的单步迭代法及预处理子.首先考虑参数化单步的HSS（P-SHSS）迭代法及预处理子,分析了该方法的半收敛性和拟最优迭代参数,并讨论了预处理矩阵的谱性质.然后考虑所提出的RE-HS迭代法及预处理子,得到了RE-HS方法的半收敛性条件和预处理矩阵的谱性质.同时,数值实验结果表明了这两类单步迭代法及预处理子是可行的和有效的.针对非奇异块2×2线性系统,研究了三类有效的Givens外推迭代法及预处理子.首先在系数块矩阵为对称半正定时构造了一系列Givens外推块分裂迭代法及预处理子,分析了所提方法的收敛性和最优迭代参数,并讨论了预处理矩阵的特征分布.其次在系数块矩阵满足一定条件时设计了非精确的Givens外推块分裂预处理子,讨论了预处理矩阵的谱性质.最后提出了一类Givens外推SSOR（G-SSOR）迭代法,分析得到了G-SSOR方法的收敛性条件和最优迭代参数.同时,数值实验验证了这三类Givens外推迭代法及预处理子的可行性和有效性.
刘永[7]（2020）在《两类线性方程组的随机迭代算法及化学主方程的反位移Arnoldi算法》文中指出大型稀疏线性方程组的求解和大型矩阵指数函数的计算一直是很多科学计算和人工智能领域的核心问题,构造这两类问题的高效算法也一直是数值代数领域的研究热点之一.本文一方面将贪婪的随机Kaczmarz（GRK）算法和随机Gauss-Seidel（GRGS）算法应用于岭回归和分解线性系统的求解当中,构造了这两类线性系统的松驰型随机迭代算法;另一方面,利用反位移技术和重正交化的Arnoldi过程,提出了一种新的逼近化学主方程精确解（矩阵指数函数与向量的乘积）的数值算法（SIRA）.主要创新工作包括:1.对岭回归问题,考虑到它的正规方程组的系数矩阵是对称正定的,本文首先利用对称正定矩阵的性质修改GRK算法的概率准则和迭代式,构造了求解岭回归问题的变式GRK算法并分析了其收敛性.其次,通过在变式GRK算法的迭代式中引入位于区间（0,2）内的松弛参数,得到了松驰型的变式GRK算法并证明了它的收敛性.最后,为了最大限度利用迭代过程中所计算出的正规方程组的残差信息,本文又提出了松弛型的变式GRK算法的加速迭代格式.数值实验表明,本文提出的三种算法的收敛速率明显比文献[51]中方法快,并且含参数的变式GRK算法及其加速格式所用CPU时间也要少得多.2.RK-RK算法和REK-RK算法是目前求分解线性系统的两种最新的随机迭代算法.考虑到GRK算法和GRGS算法的快速收敛性,本文分别构造了针对相容和不相容分解线性系统的松弛型的GRK-GRK算法和GRGS-GRK算法并给出了这两种算法的收敛性分析.数值实验表明,对于分解线性系统,本文所提出的算法在迭代步和CPU时间方面明显优于RK-RK算法和REK-RK算法.3.FSP算法和Krylov FSP算法是目前求解化学主方程（CME）的两种经典的降阶算法.本文利用反位移技术和重正交化的Arnoldi过程,构造了逼近化学主方程精确解的SIRA算法,该算法不需要确定初始有限状态投影集合及状态投影展开方法,计算过程简单.通过对具体的生化反应系统模型进行实验,结果表明对中等规模的化学主方程来说,SIRA算法比FSP算法和Krylov FSP算法的精度都高.
高镇[8]（2020）在《受平面折射影响的三维重建研究》文中研究说明计算机视觉几何领域有一类非常重要的问题是如何对受折射影响的场景进行三维重建。如今,受折射影响的视觉几何还有非常多的地方没有被探索,无论是受折射影响场景的稀疏重建,还是对场景的稠密化,均没有比较成熟的算法。经典的视觉几何的主要研究对象集中在单视点相机模型上,受折射影响的场景不适合应用单视点相机模型进行重建,所以有越来越多的研究去关注比单视点相机模型更广泛适用的非单视点相机模型。文章研究的是由已知的射影相机下观察到的场景图像,重建经过多次具有平行交界面的介质折射的场景,主要应用了一类重要的非单视点模型:轴向相机模型。文章的主要任务是分析场景在经过多种具有平行交界面的介质折射后被三个射影相机观察时,三个视图之间的几何约束,以及试图在这种场景下不借助其他附加装置或信息重建受折射影响的场景。这样的情景最广泛的一个应用就是水下场景的恢复。随着远洋探测的发展,水下无人机采集图片探索水下环境的优越性凸显,越来越多的研究关注于水下场景重建。现有水下场景重建研究的文章中,一类是通过小孔相机镜头畸变模型矫正折射畸变,往往不准确。另一类是提供额外的装置或信息满足特定的几何约束来求解,装置繁琐。文章中算法的前提是,三个相对位置固定的相机经过事先标定知道其相对位姿,使用文章所述装置及算法可以很准确且方便快捷地重建水下场景。由于折射界面法向量和场景无关,通过场景中三个相机对应的匹配点就可以计算,所以文章使用了两步法完成重建受折射影响的场景。首先从三个相机之间已知的三焦距张量,结合一个在平面折射中普遍存在的约束,推导了折射界面的法向量的两种计算方法,包括直接线性求解法向量的算法和基于共线约束求解法向量的算法,并对这两种算法进行了比较分析。接着推导了各种情况下已知折射界面法向量时,空间三维结构的恢复,主要关注发生一次折射的场景,并对发生两次折射时的特殊情况进行分析,最后将规律推广到发生多次折射的场景。本文还设计了一个非线性优化函数进行集束调整。文章不仅提供了发生一次折射和两次折射时的仿真实验,分析了各个算法的稳定性,并且使用了多组真实的水下数据,重建水下场景以验证算法的有效性。
李凯[9]（2019）在《系统辨识与控制的量子算法研究》文中进行了进一步梳理量子计算是涵盖了量子物理与计算机科学的学科,旨在利用量子叠加性和并行处理的特性突破经典计算限制,提高计算能力。由于在大数质因子分解等问题上显示出来的强大计算能力,量子计算被认为具有对现有计算模式产生巨大变革的潜力,同时也为解决一些困难的计算问题提供了思路。作为常见的经典问题,系统辨识与控制问题的量子算法研究是一个具有研究意义的课题。在量子算法能够在量子计算机上实现的前提下,本文对系统辨识与控制问题的量子算法进行了深入的研究。主要内容可归纳为以下三个方面:1)研究了量子算法在经典控制系统的状态估计器设计上的应用。设计了一个量子态转换器用来连接HHL算法和矩阵乘法的量子算法,有效地解决了量子算法之间的衔接问题,提高了计算效率。对于维数为n的经典控制系统,当系统矩阵是稀疏的,并且所用的量子算法涉及的矩阵的条件数κ和估计精度ε的倒数的复杂度均为O（polylog n）时,量子算法方案可以将状态估计器设计的时间复杂度由O（n6）降低为O（qn）,其中q是系统输出状态的维度。通过理论分析和仿真得到,当控制系统是稳定系统时,量子测量误差对状态估计精度的影响较小。2)提出了系统辨识问题的量子方案并分析了量子测量误差对系统辨识精度的影响。基于量子奇异值估计算法,对线性回归方程结构进行了分析,得到了简化最小二乘算法的量子方案。对于维数为n的经典控制系统,当κ,1/ε=O（poly log N）时,量子算法方案可以将系统辨识的时间复杂度从O（（m+n）2N）降低为O（（?）log N）,其中m是输入u的维度,N是样本数。进行的理论分析和仿真结果显示:当离散系统稳定时,量子测量误差对系统辨识精度的影响较小。3)对量子态层析问题进行了量子算法研究。基于量子态层析问题的经典算法,提出了量子经典混合算法的新方案。对于d维密度矩阵,在精度和矩阵的条件数满足1/ε,κ=O（poly log d）时,经典量子混合算法总的时间复杂度为O（dpoly log d）,而相应的经典算法的时间复杂度为O（d6）。该方案大幅度地加快了计算速度,同时尽可能地减小了量子算法对计算资源的消耗。最后对本文的研究工作进行了总结,并展望了需要进一步改进和完善的工作。
高丽娜[10]（2019）在《基于符号计算若干非线性发展方程的解析研究》文中研究指明非线性发展方程用于描述等离子物理、光纤通信、流体力学等领域中各种非线性现象,求解非线性发展方程在这些领域的研究中具有重要意义。20世纪50年代,研究学者们在对非线性现象的探索过程中提出了“孤子”的概念,并对“孤子”的特点展开了研究。随着对孤子研究的深入,人们探索出了多种对非线性方程求精确解的办法,其中Hirota双线性方法是最经典最直接的方法之一。在求解非线性方程的过程中会涉及大量符号计算,计算过程具有一定重复性和规律性。计算机代数的出现给研究工作带来方便,利用计算机不仅能够提高计算速度,使人们从大量而重复的计算中摆脱出来,还可以对计算后得到的结果进行校验,保证计算结果的正确性。符号计算对孤子从理论研究到实际应用起到了重要的推动作用。本文的研究工作分为以下五个部分:第一章介绍了孤子的历史与发展以及孤子的研究状况,并且对符号计算以及计算机软件在求解非线性方程中的应用做了简单介绍。第二章介绍了我们在研究孤子问题的过程中涉及到的几种求解方法,包括Hirota双线性方法、Backlund变换法以及多指数函数法。以经典的KdV方程为例,介绍了应用几种相关变量变换将非线性方程转化为双线性方程的过程和构建Backlund变换的过程。第三章介绍了双线性方程指数行波解的线性叠加原则,给出了线性叠加原则存在的充要条件,受这个条件的启发,利用一个多变元多项式提出了一个新的Hirota双线性方程。将线性叠加原则应用到这个新的Hirota双线性方程,最后得到了方程的两类共振多波解,并给出了共振三波解的三维图。第四章分别对两个（3+1）-维非线性发展方程做了解析研究。针对第一个方程做了这样的工作:（1）利用多指数函数法计算求得方程的非共振多波解;（2）构建了方程的双线性Backlund变换,并利用得到的Backlund变换计算求得了指数函数解和一阶多项式解;（3）分别考虑y=x和y=z对应的降维约化情形,研究了两种约化情形下方程的lump解;（4）研究了 lump波和条状波之间的相互作用,从数学表达式的角度结合图像分析了解的特性。针对第二个方程做了这样的工作:（1）构建了方程的双线性Backlund变换,计算求得了指数函数解和一阶多项式解;（2）分别考虑z=x和2=y对应的降维约化情形,研究了两种约化情形下方程的lump解;（3）研究了 lump波和条状波之间的相互作用,从数学表达式的角度结合图像分析了解的特性。第五章是对全文的工作总结,提出了在研究孤子过程中遇到的一些困难,并针对这些困难对未来的工作做了展望。
二、解线性方程组的MATLAB法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、解线性方程组的MATLAB法（论文提纲范文）
（1）高斯消去法和矩阵三角分解法在线性方程组中的应用（论文提纲范文）
| 0 引言 |
| 1 高斯消去法和矩阵三角分解法基本思想和解法 |
| 1.1 高斯消去法 |
| 1.1.1 基本思想 |
| 1.1.2 具体解法 |
| 1.2 矩阵三角分解法 |
| 1.2.1 基本思想 |
| 1.2.2 具体解法 |
| 2 数值实例 |
| 3 结语 |
（2）重分析加速的0-1离散变量拓扑优化（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 本文研究内容 |
| 第2章 0-1 拓扑优化算法 |
| 2.1 0-1 离散变量拓扑优化 |
| 2.2 0-1 离散变量灵敏度分析 |
| 2.3 正则松弛算法 |
| 2.4 灵敏度过滤 |
| 2.5 算例 |
| 2.6 本章小结 |
| 第3章 结构拓扑修改重分析 |
| 3.1 近似重分析方法 |
| 3.1.1 组合近似法(CA法) |
| 3.1.2 共轭梯度重分析方法(CG法) |
| 3.1.3 预处理共轭梯度重分析方法(PCG法) |
| 3.2 精确重分析方法(SMW法) |
| 3.3 计算效率对比 |
| 3.4 算例 |
| 3.4.1 结构大修改的删除单元算例 |
| 3.4.2 结构大修改的添加单元算例 |
| 3.4.3 结构小修改的添加单元算例 |
| 3.4.4 三维结构的添加单元算例 |
| 3.5 本章小结 |
| 第4章 重分析加速的0-1 拓扑优化算法 |
| 4.1 重分析法求解0-1 离散变量灵敏度 |
| 4.2 重分析加速的正则松弛算法程序设计 |
| 4.3 算例 |
| 4.3.1 正则松弛算法与经典88 行代码的对比 |
| 4.3.2 引入重分析灵敏度的正则松弛算法对比 |
| 4.3.3 重分析加速的正则松弛算法讨论 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（3）6R工业机器人运动学及动力学关键问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.2.1 研究背景 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 工业机器人逆运动学问题研究现状 |
| 1.3.2 工业机器人动力学参数辨识问题研究现状 |
| 1.3.3 鲸鱼优化算法研究现状 |
| 1.4 主要研究内容 |
| 2 工业机器人建模及正逆运动学问题分析 |
| 2.1 工业机器人运动模型的建立 |
| 2.1.1 机器人连杆及关节的编号 |
| 2.1.2 机器人连杆坐标系的建立 |
| 2.1.3 S-D-H与 M-D-H方法的比较 |
| 2.2 机器人正运动学分析 |
| 2.2.1 各坐标系间的齐次变换矩阵 |
| 2.2.2 机器人正运动学问题分析 |
| 2.2.3 IRB4600 型机器人运动学方程 |
| 2.3 机器人工作空间分析 |
| 2.3.1 机器人工作空间的定义 |
| 2.3.2 求解工作空间的蒙特卡罗方法 |
| 2.3.3 工作空间仿真求解结果分析 |
| 2.4 机器人逆运动学问题 |
| 2.4.1 逆运动学问题描述 |
| 2.4.2 逆运动学问题的特性 |
| 2.4.3 逆运动学问题的代数求解方法 |
| 2.4.3.1 前3 个关节角(肘部三关节角)的求解 |
| 2.4.3.2 后3 个关节角(腕部三关节角)的求解 |
| 2.4.4 优化算法求解逆运动学问题的目标函数 |
| 2.4.5 优化算法求解的适应度函数 |
| 2.5 本章小结 |
| 3 6R工业机器人动力学建模及参数辨识问题分析 |
| 3.1 机器人动力学建模方法概述 |
| 3.2 牛顿-欧拉法动力学建模 |
| 3.2.1 动力学模型的一般形式 |
| 3.2.2 标准D-H系下的牛顿-欧拉动力学方程推导 |
| 3.2.3 动力学模型的验证 |
| 3.3 机器人动力学参数辨识问题 |
| 3.4 动力学参数辨识的方法 |
| 3.4.1 动力学参数辨识的常用方法 |
| 3.4.2 基于智能算法的动力学参数辨识 |
| 3.4.3 激励轨迹设计 |
| 3.5 本章小结 |
| 4 机器人逆运动学问题求解的优化算法 |
| 4.1 鲸鱼优化算法 |
| 4.1.1 接近并包围猎物 |
| 4.1.2 发泡网攻击 |
| 4.1.3 随机搜索猎物 |
| 4.1.4 标准WOA的性能分析 |
| 4.2 鲸鱼优化算法的改进 |
| 4.2.1 种群混沌初始化 |
| 4.2.2 收敛因子非线性更新 |
| 4.2.3 自适应惯性权重位置调整 |
| 4.2.4 模拟退火策略 |
| 4.2.5 改进后鲸鱼算法的步骤 |
| 4.3 改进鲸鱼算法的性能分析 |
| 4.3.1 算法性能测试的对比试验 |
| 4.3.2 对比试验结果及分析 |
| 4.4 机器人逆运动学数值迭代算法 |
| 4.4.1 机器人的微分运动 |
| 4.4.2 数值迭代算法的原理 |
| 4.4.3 数值迭代算法的步骤 |
| 4.5 逆运动学求解的组合优化算法 |
| 4.5.1 组合优化算法的原理 |
| 4.5.2 组合优化算法的步骤 |
| 4.6 本章小结 |
| 5 机器人运动学及动力学仿真试验与结果分析 |
| 5.1 逆运动学求解试验及结果分析 |
| 5.1.1 求逆运动学解的代数法验证 |
| 5.1.2 改进鲸鱼算法求逆运动学解的性能分析 |
| 5.1.3 组合算法求逆运动学解的性能分析 |
| 5.1.4 组合算法对奇异点的求逆性能分析 |
| 5.1.5 组合算法对一般6R机器人的求逆性能分析 |
| 5.2 动力学参数辨识试验及结果分析 |
| 5.2.1 仿真试验参数设置 |
| 5.2.2 动力学参数整体辨识 |
| 5.2.3 动力学参数分步辨识 |
| 5.2.4 模型验证及结果分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 不足与展望 |
| 参考文献 |
| 作者在读期间科研成果简介 |
| 致谢 |
（5）谷氨酸发酵过程的软测量建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外谷氨酸产业的发展现状 |
| 1.2.1 谷氨酸物化性质及发展历史 |
| 1.2.2 国内外谷氨酸产业现状 |
| 1.3 软测量技术 |
| 1.3.1 软测量建模概述 |
| 1.3.2 软测量建模步骤与内容 |
| 1.3.3 软测量建模方法 |
| 1.3.4 软测量技术应用 |
| 1.4 发酵过程软测量建模国内外研究现状 |
| 1.4.1 基于机理模型的发酵过程软测量 |
| 1.4.2 基于数据驱动的发酵过程软测量 |
| 1.4.3 混合模型软测量 |
| 1.5 主要研究内容和结构安排 |
| 第二章 谷氨酸发酵过程动力学建模 |
| 2.1 引言 |
| 2.2 发酵过程基础数学模型 |
| 2.2.1 发酵过程合成和和代谢分解反应 |
| 2.2.2 发酵过程典型数学模型 |
| 2.2.3 发酵过程比反应速率模型 |
| 2.3 谷氨酸发酵过程代谢(流)网络分析 |
| 2.3.1 材料与方法 |
| 2.3.2 发酵过程影响因素分析 |
| 2.3.3 代谢网络模型的简化、计算和求解 |
| 2.3.4 基于代谢网络结构模型的谷氨酸浓度预测 |
| 2.4 谷氨酸发酵分批流加非结构动力学建模 |
| 2.4.1 非线性规划确定非结构动力学模型参数 |
| 2.4.2 遗传算法确定非结构动力学模型参数 |
| 2.4.3 改进遗传算法确定非结构动力学模型参数 |
| 2.5 本章小结 |
| 第三章 基于多阶段支持向量机回归的谷氨酸发酵过程软测量 |
| 3.1 引言 |
| 3.2 支持向量机 |
| 3.2.1 支持向量机分类 |
| 3.2.2 支持向量机回归 |
| 3.3 多阶段分割算法 |
| 3.4 基于多阶段支持向量机回归的谷氨酸浓度软测量 |
| 3.5 结果与讨论 |
| 3.6 本章小结 |
| 第四章 基于偏最小二乘和最小二乘支持向量机的谷氨酸发酵过程软测量 |
| 4.1 引言 |
| 4.2 偏最小二乘 |
| 4.2.1 PLS原理与计算方法 |
| 4.2.2 模型提取成分的确定 |
| 4.3 最小二乘支持向量机 |
| 4.4 基于耦合模拟退火的最小二乘支持向量机软测量 |
| 4.4.1 模拟退火算法 |
| 4.4.2 耦合模拟退火算法 |
| 4.4.3 耦合模拟退火优化参数算法 |
| 4.4.4 基于CSA优化的LSSVM软测量预测算法 |
| 4.5 基于PLS-LSSVM的谷氨酸发酵过程软测量 |
| 4.5.1 PLS-LSSVM软测量预测模型实现流程 |
| 4.5.2 辅助变量选择 |
| 4.6 结果与讨论 |
| 4.6.1 模型性能评估指标 |
| 4.6.2 PLS与 LSSVM模型比较 |
| 4.6.3 SVM和 LSSVM预测模型比较 |
| 4.6.4 PLS-LSSVM简化模型性能分析 |
| 4.7 本章小结 |
| 第五章 基于高斯过程的谷氨酸发酵过程软测量 |
| 5.1 引言 |
| 5.2 高斯过程模型 |
| 5.2.1 无参预测 |
| 5.2.2 高斯过程回归 |
| 5.2.3 协方差函数 |
| 5.2.4 高斯过程的模型选择 |
| 5.2.5 高斯过程稀疏化 |
| 5.3 基于PLS-GP的谷氨酸发酵过程软测量 |
| 5.3.1 基于PLS-GP的软测量模型架构 |
| 5.3.2 训练数据的准备 |
| 5.3.3 输入变量选择 |
| 5.3.4 协方差函数的确定 |
| 5.3.5 结果和讨论 |
| 5.4 基于预测方差的谷氨酸发酵过程异常状态分析 |
| 5.4.1 基于预测方差的自主动高斯过程模型 |
| 5.4.2 基于预测方差的谷氨酸发酵过程异常状态分析 |
| 5.5 基于自相关决定高斯过程的谷氨酸发酵软测量 |
| 5.5.1 基于特征关联性的自相关决定变量选择 |
| 5.5.2 结果和讨论 |
| 5.6 本章小结 |
| 第六章 谷氨酸发酵过程软测量建模及优化控制系统的开发 |
| 6.1 引言 |
| 6.2 谷氨酸发酵过程软测量实施系统软件构架 |
| 6.3 谷氨酸发酵过程计算机控制系统 |
| 6.3.1 溶解氧控制 |
| 6.3.2 温度控制 |
| 6.3.3 pH值控制 |
| 6.3.4 压力的控制 |
| 6.3.5 泡沫的控制 |
| 6.4 谷氨酸发酵过程溶解氧的优化控制 |
| 6.4.1 材料与方法 |
| 6.4.2 DO控制算法 |
| 6.4.3 结果和讨论 |
| 6.5 监控系统设计 |
| 6.6 Matlab与 RSView32 通信的实现 |
| 6.7 软测量应用实例——谷氨酸发酵过程异常批次识别 |
| 6.8 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读博士学位期间的成果 |
（6）具有特殊块结构线性系统的数值算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 常用符号表 |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 问题的应用背景及研究现状 |
| 1.2.1 鞍点问题的应用背景及研究现状 |
| 1.2.2 复线性系统的应用背景及研究现状 |
| 1.2.3 块 2 × 2 线性系统的应用背景及研究现状 |
| 1.3 本文的研究内容、方法与创新点 |
| 第2章 鞍点问题的SSOR和Uzawa变形迭代解法及预处理子 |
| 2.1 非奇异鞍点问题的SSOR变形迭代法 |
| 2.1.1 ASSOR方法的构造 |
| 2.1.2 ASSOR方法的收敛性 |
| 2.1.3 数值实验 |
| 2.2 非Hermitian鞍点问题的Uzawa变形迭代法及预处理子 |
| 2.2.1 Uzawa-PPS方法的构造 |
| 2.2.2 Uzawa-PPS方法的收敛性 |
| 2.2.3 预处理矩阵的谱性质 |
| 2.2.4 数值实验 |
| 第3章 非奇异复线性系统的Euler外推迭代解法及预处理子 |
| 3.1 Euler外推HS迭代法及预处理子 |
| 3.1.1 E-HS方法的收敛性及预处理矩阵的谱性质 |
| 3.1.2 数值实验 |
| 3.2 正则化Euler外推HS迭代法及预处理子 |
| 3.2.1 RE-HS方法的收敛性及预处理矩阵的谱性质 |
| 3.2.2 数值实验 |
| 3.3 交替Euler外推HS迭代法及预处理子 |
| 3.3.1 AE-HS方法的收敛性及预处理矩阵的谱性质 |
| 3.3.2 数值实验 |
| 第4章 奇异复对称线性系统的单步迭代解法及预处理子 |
| 4.1 参数化的单步HSS迭代法及预处理子 |
| 4.1.1 P-SHSS方法的半收敛性及预处理矩阵的谱性质 |
| 4.1.2 数值实验 |
| 4.2 正则化的E-HS迭代法及预处理子 |
| 4.2.1 RE-HS方法的半收敛性及预处理矩阵的谱性质 |
| 4.2.2 数值实验 |
| 第5章 块 2 × 2 线性系统的Givens外推迭代解法及预处理子 |
| 5.1 Givens外推块分裂迭代法及预处理子 |
| 5.1.1 块分裂迭代方法的构造 |
| 5.1.2 收敛性分析 |
| 5.1.3 预处理矩阵的谱性质 |
| 5.1.4 数值实验 |
| 5.2 非精确Givens外推块分裂预处理子 |
| 5.2.1 预处理矩阵的谱性质 |
| 5.2.2 数值实验 |
| 5.3 Givens外推SSOR迭代法 |
| 5.3.1 G-SSOR方法的收敛性 |
| 5.3.2 数值实验 |
| 第6章 总结与展望 |
| 参考文献 |
| 攻读学位期间承担的科研任务与主要成果 |
| 致谢 |
| 个人简历 |
（7）两类线性方程组的随机迭代算法及化学主方程的反位移Arnoldi算法（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 大型稀疏线性方程组的随机迭代算法介绍 |
| 1.2 岭回归问题的研究背景及相关随机算法 |
| 1.2.1 岭回归问题的研究背景 |
| 1.2.2 岭回归问题的三种随机迭代算法 |
| 1.3 分解线性系统的研究背景及相关随机算法 |
| 1.3.1 分解线性系统的研究背景 |
| 1.3.2 分解线性系统的随机迭代算法 |
| 1.4 化学主方程简介 |
| 1.5 本文主要工作及章节安排 |
| 第二章 贪婪的RK算法和RGS算法 |
| 2.1 求解大型稀疏线性方程组的GRK算法 |
| 2.1.1 GRK算法 |
| 2.1.2 GRK算法的收敛性分析 |
| 2.2 求解满秩最小二乘问题的GRGS算法 |
| 2.2.1 GRGS算法 |
| 2.2.2 GRGS算法的收敛性分析 |
| 2.3 本章小结 |
| 第三章 岭回归问题的松弛型GRK算法 |
| 3.1 VGRK算法 |
| 3.2 松驰型VGRK算法及其加速格式 |
| 3.2.1 VGRKRP(ω)算法 |
| 3.2.2 VGRKRP(ω)算法的加速迭代格式 |
| 3.3 数值实验 |
| 3.4 本章小结 |
| 第四章 分解线性系统的松驰型GRK-GRK算法和GRGS-GRK算法 |
| 4.1 RK-RK算法和REK-RK算法 |
| 4.2 松驰型的GRK-GRK算法和GRGS-GRK算法 |
| 4.2.1 松驰型的GRK算法和GRGS算法 |
| 4.2.2 GRK(ω)-GRK(θ)算法和GRGS(ω)-GRK(θ)算法 |
| 4.3 数值实验 |
| 4.4 本章小结 |
| 第五章 化学主方程的反位移Arnoldi算法 |
| 5.1 求解化学主方程的FSP算法和Krylov FSP算法 |
| 5.1.1 FSP算法 |
| 5.1.2 Krylov FSP算法 |
| 5.2 SIRA算法 |
| 5.3 数值实验 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 参考文献 |
| 攻读博士学位期间完成的工作 |
| 致谢 |
（8）受平面折射影响的三维重建研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的工作及组织结构 |
| 第二章 相关理论综述 |
| 2.1 光线折射及畸变概述 |
| 2.1.1 折射畸变 |
| 2.1.2 轴向相机模型 |
| 2.1.3 透视相机下的平面折射几何 |
| 2.2 对极几何介绍 |
| 2.2.1 基础矩阵 |
| 2.2.2 计算基础矩阵 |
| 2.3 三焦距张量介绍 |
| 2.3.1 三焦距张量的定义 |
| 2.3.2 计算三焦距张量 |
| 2.3.3 点转移误差与线转移误差 |
| 2.4 本章小结 |
| 第三章 从图像恢复折射界面法向量的算法 |
| 3.1 直接线性求解法向量的算法 |
| 3.1.1 问题描述与数据预处理 |
| 3.1.2 一种朴素的解折射界面法向量的方法 |
| 3.1.3 直接线性求解法 |
| 3.1.4 仿真验证 |
| 3.2 基于共线约束求解法向量的算法 |
| 3.2.1 计算法向量的原理 |
| 3.2.2 求解二元四次方程组 |
| 3.2.3 评价函数的设计 |
| 3.2.4 仿真验证及稳定性分析 |
| 3.3 本章小结 |
| 第四章 恢复受折射影响结构的算法 |
| 4.1 恢复真实三维点算法一 |
| 4.1.1 计算折射界面 |
| 4.1.2 一般情况下折射平面的计算 |
| 4.1.3 恢复结构的算法 |
| 4.1.4 仿真验证及结果分析 |
| 4.2 恢复真实三维点算法二 |
| 4.2.1 算法介绍 |
| 4.2.2 仿真验证及结果分析 |
| 4.3 非线性优化函数的设计 |
| 4.4 本章小结 |
| 第五章 平面折射重建实验 |
| 5.1 平面折射重建算法流程 |
| 5.2 真实数据实验 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）系统辨识与控制的量子算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及选题依据 |
| 1.2 研究现状分析 |
| 1.2.1 量子计算研究现状 |
| 1.2.2 量子算法研究现状 |
| 1.3 研究内容与组织结构 |
| 第二章 基础知识 |
| 2.1 量子计算基本知识 |
| 2.1.1 量子比特 |
| 2.1.2 直积态和纠缠态 |
| 2.1.3 量子态密度算符 |
| 2.2 量子逻辑门及量子算法 |
| 2.2.1 量子逻辑门 |
| 2.2.2 量子傅里叶变换 |
| 2.2.3 求解线性方程组的量子算法 |
| 2.3 本章总结 |
| 第三章 状态估计器设计的量子算法研究 |
| 3.1 利用量子算法构建状态估计器 |
| 3.1.1 经典状态估计器设计 |
| 3.1.2 量子算法 |
| 3.1.3 算法复杂度分析 |
| 3.2 算例 |
| 3.3 量子测量误差对状态估计精度的影响 |
| 3.3.1 理论分析 |
| 3.3.2 仿真 |
| 3.4 本章总结 |
| 第四章 经典系统辨识问题的量子算法研究 |
| 4.1 经典系统辨识的量子算法 |
| 4.1.1 经典系统辨识问题 |
| 4.1.2 量子算法 |
| 4.2 算法复杂度分析 |
| 4.2.1 经典算法的时间复杂度 |
| 4.2.2 量子算法的时间复杂度 |
| 4.3 量子测量误差对系统辨识精度的影响 |
| 4.3.1 理论分析 |
| 4.3.2 仿真 |
| 4.4 本章总结 |
| 第五章 量子态层析的经典量子混合算法研究 |
| 5.1 基于线性回归的经典重构算法 |
| 5.2 量子态重构的量子算法 |
| 5.3 经典算法和经典量子混合算法的时间复杂度对比 |
| 5.3.1 经典算法的时间复杂度 |
| 5.3.2 经典量子混合算法的时间复杂度 |
| 5.4 本章总结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（10）基于符号计算若干非线性发展方程的解析研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 孤子与孤子理论简介 |
| 1.1.1 孤子的历史与发展 |
| 1.1.2 孤子的研究现状 |
| 1.2 符号计算 |
| 1.2.1 符号计算简介 |
| 1.2.2 计算机软件在非线性方程中的应用 |
| 第2章 非线性发展方程求解方法 |
| 2.1 Hirota双线性方法 |
| 2.1.1 双线性算子的定义及性质 |
| 2.1.2 非线性方程的双线性化 |
| 2.2 B?cklund变换 |
| 2.3 多指数函数法 |
| 第3章 多维双线性方程多波解共振行为的研究 |
| 3.1 线性叠加原则 |
| 3.2 模型构建:新的Hirota双线性方程 |
| 3.3 共振多波解 |
| 3.4 本章小节 |
| 第4章 两个(3+1)-维非线性发展方程的解析研究 |
| 4.1 方程(4-1)的解析研究 |
| 4.1.1 非共振多波解 |
| 4.1.2 B?cklund变换及其应用 |
| 4.1.3 lump解的研究 |
| 4.1.4 lump波和条状波之间的相互作用 |
| 4.2 方程(4-2)的解析研究 |
| 4.2.1 B?cklund变换及其应用 |
| 4.2.2 lump解的研究 |
| 4.2.3 lump波和条状波之间的相互作用 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 对未来工作的展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
四、解线性方程组的MATLAB法（论文参考文献）
- [1]高斯消去法和矩阵三角分解法在线性方程组中的应用[J]. 薛亮. 白城师范学院学报, 2021(05)
- [2]重分析加速的0-1离散变量拓扑优化[D]. 谢鑫宇. 吉林大学, 2021(01)
- [3]6R工业机器人运动学及动力学关键问题研究[D]. 吉阳珍. 四川大学, 2021
- [4]Matlab在高职线性代数教学中的应用研究[J]. 黄惠玲. 中阿科技论坛(中英文), 2020(09)
- [5]谷氨酸发酵过程的软测量建模研究[D]. 郑蓉建. 江南大学, 2020(01)
- [6]具有特殊块结构线性系统的数值算法研究[D]. 李成梁. 福建师范大学, 2020(12)
- [7]两类线性方程组的随机迭代算法及化学主方程的反位移Arnoldi算法[D]. 刘永. 上海大学, 2020(02)
- [8]受平面折射影响的三维重建研究[D]. 高镇. 西安电子科技大学, 2020(05)
- [9]系统辨识与控制的量子算法研究[D]. 李凯. 国防科技大学, 2019(02)
- [10]基于符号计算若干非线性发展方程的解析研究[D]. 高丽娜. 北京交通大学, 2019(01)