导读:本文包含了收敛性估计论文开题报告文献综述及选题提纲参考文献，主要关键词:船体分段,精度控制,匹配,稳健估计
收敛性估计论文文献综述
杨贵强,刘玉君,李瑞,汪骥[1]（2019）在《M估计的抗差匹配算法及收敛性分析》一文中研究指出船体分段测量点数据与CAD模型的匹配精度直接影响分段建造精度评定,评价参数对船舶建造精度管理起着至关重要的作用,采用常规匹配方法无法有效抑制粗差对位姿定位精度的影响。为了获得船体分段最佳匹配位姿,给出合理的建造误差评价,本文提出基于退化的M估计抗差匹配方法以削弱粗差对匹配位姿影响,该算法依据M估计准则获取不同精度数据的匹配权系数,采用退化-迭代方法建立稳健估计模型,提高定位解的可靠性和收敛速度是寻求船舶建造过程中精度尺寸监控的实用性技术。理论和实际算例均验证了该方法的有效性及相对于迭代点最近法的合理性,为船舶建造精度修正和后续装配提供定量参数。(本文来源于《哈尔滨工程大学学报》期刊2019年09期）
黄海燕,王培合[2]（2019）在《具有Neumann边界条件的曲率方程解的估计及收敛性》一文中研究指出讨论具有Neumann边界条件的抛物方程解的估计,并刻画了具有Neumann边界条件的曲线流的收敛性,最后证明了该曲线流最终将收敛到一段圆弧.(本文来源于《曲阜师范大学学报(自然科学版)》期刊2019年02期）
孔润,王培合[3]（2019）在《一个曲率方程解的估计及其收敛性》一文中研究指出研究了一维情况下与曲率有关的抛物方程解的性质,通过微分方法研究了方程解的C~0估计、C~1估计和u_t估计,证明了在给定条件下的方程解的收敛性.(本文来源于《湖州师范学院学报》期刊2019年02期）
朱妍蓓,宗瑞雪,乔旭东,赵张瑞,杨文志[4]（2018）在《m-WOD误差下非线性回归模型LS估计收敛性》一文中研究指出结合m相依随机变量和WOD随机变量的概念,给出m-WOD随机变量的概念,它包含了NA随机变量,m-NA随机变量,NSD随机变量,NOD随机变量,END随机变量,m-END随机变量,WOD随机变量等负相依随机变量.基于误差为m-WOD随机变量,我们研究非线性回归模型参数最小二乘(LS)估计,获得了参数LS估计的概率不等式.作为应用,在不同的矩条件下,获得LS估计的完全收敛速度和依概率收敛速度,推广了已有文献的结果.(本文来源于《高校应用数学学报A辑》期刊2018年02期）
刘英[5]（2018）在《椭圆方程基于梯度重构的后验误差估计及自适应有限元方法的收敛性分析》一文中研究指出本文针对带有连续系数的椭圆方程,首先提出了一种新的梯度重构型后验误差估计子,证明了后验误差估计子的可靠性与有效性,然后将得到的误差估计子应用到自适应有限元算法中,结合恰当的标记策略,证明了自适应算法是收敛的。最后,针对这类方程,通过几个数值算例,验证了新的误差估计子是可靠且有效的。(本文来源于《湘潭大学》期刊2018-05-28）
贾晓晓[6]（2018）在《椭圆方程有限元方法的面向目标型后验误差估计及自适应算法的收敛性》一文中研究指出本文针对二阶椭圆方程,分别考虑了基于梯度重构、通量重构的面向目标型后验误差估计及自适应算法的收敛性。在基于梯度重构的后验误差估计中,定义了一种新的后验误差估计子,建立其可靠性和有效性,并分析了基于这种误差估计子的自适应算法的收敛性。在基于通量重构的后验误差估计中,利用加权平均或L2投影将数值通量投影到H(div)子空间上,验证了误差估计子的可靠性和有效性,并给出了自适应算法的收敛性分析。最后,通过数值算例验证理论结果的正确性。(本文来源于《湘潭大学》期刊2018-05-28）
周玲玲[7]（2018）在《间断有限元方法的稳定性、误差估计及超收敛性分析》一文中研究指出本文围绕间断有限元(DG)方法半离散格式的超收敛性以及全离散格式的稳定性和误差估计展开深入研究,内容主要分为叁个部分。首先,我们针对一维线性Schrodinger方程的半离散局部间断有限元(LDG)方法进行了超收敛分析。本项工作的核心思想是利用LDG格式的能量方程,构造一个特殊的插值函数,并证明LDG解在L2范数意义下以2k+1阶超收敛到插值函数,其中k是多项式空间的最高次数。虽然Schrodinger方程只含有二阶空间导数,但是由于虚数单位i,它实际上是一个波动方程,且相应LDG格式的有限元空间是一个复值函数空间。与抛物方程相比,Schrodinger方程LDG方法的超收敛分析更加困难和复杂。通过构造特殊的修正函数及合适的初值离散,我们严格地证明了由修正函数和Gauss-Radau投影定义的插值函数与LDG解的误差是超收敛的,且收敛阶为2k+1。借助于此项超收敛结果,我们进一步证明了区域平均、区间平均和数值迹的逐点误差皆以2k+1阶的速度超收敛。此外,我们还得到了函数值及其导数在Radau点k+2阶的超收敛结果。数值算例验证了我们的理论成果。其次,我们研究对流扩散方程特殊全离散格式的稳定性和误差估计,其中时间离散采用半隐式谱延迟修正(SDC)方法,空间离散采用LDG方法。SDC方法是一类基于Picard积分方程,通过对显式或隐式Euler方法迭代得到的时间离散方法。这种方法的一个重要优势为易构造高阶格式。然而,半隐式SDC方法的迭代过程产生的多个中间层函数以及隐式部分积分中左端点的参与增加了全离散格式理论分析的难度。更确切地说,与半隐式Runge-Kutta方法相比,半隐式SDC方法的测试函数更为复杂,能量方程更难构造。通过选取与左端点相关的测试函数,以及对不同层函数进行恰当地线性组合,我们证明了当时间步长被固定常数控制时,二阶、叁阶半隐式SDC时间离散结合LDG方法的全离散格式是稳定的。此处固定常数与对流项、扩散项的系数有关,但与空间步长无关。在稳定性分析的基础上,我们证明了全离散格式在时间和空间上最优的误差估计。数值结果进一步验证了我们的理论发现。最后,我们研究线性守恒律方程在移动网格上的全离散格式的稳定性和误差估计,这里讨论的网格移动方法属于任意拉格朗日欧拉(ALE)方法。我们采用DG方法离散空间变量,所以称空间离散方法为ALE-DG方法。一至叁阶显式且总变差减小的Runge-Kutta方法被用来离散时间变量。我们分析了相应全离散格式的稳定性以及误差。逼近空间对时间的依赖性增加了分析的难度。此项工作的核心技巧是尺度放缩和标准的能量估计。在合适的CFL条件下及选取Lax-Friedrichs数值流通量,我们给出了叁种全离散格式的稳定性证明以及空间上次最优、时间上最优的收敛性。(本文来源于《中国科学技术大学》期刊2018-05-14）
张娇娇[8]（2018）在《基于压缩感知的量子状态估计与滤波算法及其收敛性研究》一文中研究指出量子状态估计,也被称为量子状态层析,是量子信息研究的基础。结合压缩感知理论,人们可以通过较少的测量次数重构出量子状态密度矩阵。本论文研究不同干扰情况下基于压缩感知的量子状态估计和滤波问题,提出高效的优化算法并且严格证明算法的全局收敛性。主要研究内容分为以下叁个方面:1.对含有稀疏干扰的量子状态估计问题进行研究,提出非精确ADMM算法并严格证明其收敛性。状态本身的干扰在密度矩阵某些位置的元素中引入了稀疏野值,此时量子状态估计的任务为从被稀疏干扰影响的测量值中重构密度矩阵。数学上,该任务可以被转化为一个鲁棒主成分分析并且带有量子态约束的凸优化问题。运用交替方向乘子法,原问题被分解为两个子问题,一个子问题是最小化关于密度矩阵的核范数,并带有量子态约束,另一个子问题是最小化关于稀疏干扰的l1范数。由于两个子问题都没有闭式解,精确求解代价非常大,因此,本论文提出了一种高效且快速的非精确交替方向乘子法,简称I-ADMM,该算法非精确地求解两个子问题,从而降低计算复杂度。另外,I-ADMM采用可调步长更新拉格朗日乘子以加速收敛。我们严格证明了所提算法的全局收敛性,并且给出了保证收敛的参数选取范围。仿真实验验证了所提非精确ADMM算法的优越性。2.对含有高斯噪声的高维量子状态估计问题进行研究,提出改进ADMM算法快速实现11比特的量子状态估计。当测量中含有高斯噪声时,量子态估计问题被转化为带有量子态约束的凸优化问题,即待恢复的密度矩阵必须满足半正定、对称且迹为1。为了估计高维量子状态,根据压缩感知理论将测量次数设置为下界值以降低测量矩阵的规模。本论文提出了一种改进的交替方向乘子法,该算法将高维量子态估计问题分解为两个子问题,即最小化带有量子态约束的密度矩阵核范数、最小化高斯噪声l2范数。所提算法非精确求解密度矩阵相关子问题,从而避免了大规模矩阵求逆运算,降低计算复杂度。并且,该算法通过改变运算顺序使得计算量进一步减小。此外,所提算法采用可调步长更新拉格朗日乘子,以获得更快的收敛速度。仿真实验验证了所提改进ADMM算法估计高维量子状态的优越性。3.对同时含有状态干扰和测量噪声的量子状态滤波问题进行研究,基于proximal Jacobian ADMM算法提出量子状态滤波器并严格证明其收敛性。在同时考虑状态干扰和测量噪声的情况下,论文提出了一个高效且收敛的量子状态滤波器,该滤波器在估计量子状态的同时,滤除状态干扰和测量噪声。数学上,量子态滤波问题被转化为最小化密度矩阵的核范数、稀疏干扰的l1范数、高斯噪声的l2范数,并且带有线性测量约束和量子态约束的凸优化问题。我们引入proximal Jacobian ADMM算法求解量子态滤波问题。该算法将原问题分解为密度矩阵、稀疏干扰、高斯噪声相关的叁个子问题,通过给每个子问题添加近邻项以及时纠正误差。近邻项参数选择合适可以简化子问题的求解。另外,算法采用可变步长更新拉格朗日乘子以加速收敛。本论文严格证明了所提滤波器的收敛性,并提供参数的选择范围。仿真实验验证了所提量子状态滤波器的优越性。(本文来源于《中国科学技术大学》期刊2018-05-03）
钱琛庚[9]（2017）在《间断Galerkin有限元方法的误差估计与超收敛性》一文中研究指出间断Galerkin有限元方法是一类使用允许完全间断多项式空间作为有限元空间的高分辨率数值方法。因其具有可以达到任意阶精度、容易实现h-p自适应和能够处理复杂计算区域等优点,在工程计算方面有着广泛的应用,所以对间断Galerkin有限元方法的理论研究具有十分重要的意义。本文研究的叁种发展型偏微分方程分别是变系数的线性双曲守恒律方程、非线性对流扩散方程和线性五阶偏微分方程。主要讨论了这叁种方程的间断Galerkin有限元解的误差估计和超收敛性。针对变系数的线性双曲守恒律方程,通过有限元分析的方法和构造特殊的投影给出了使用迎风型数值通量的间断Galerkin有限元方法的误差估计。本章最后的数值试验部分不仅验证了收敛阶是最优的,还观察到相比于方程真解,数值解更加接近真解特殊投影这一超收敛性质。为进一步研究方程系数变号时的超收敛性指明了方向。而对于非线性对流扩散方程,证明了对流项导数保号时,间断Galerkin有限元解以高于误差收敛阶半阶的速度超收敛于方程真解的Gauss-Radau投影。几个算例也印证了理论的正确性,最后通过构造误差指示器展示了超收敛性的应用。最后讨论了线性五阶方程局部间断Galerkin有限元格式的误差估计和超收敛性。本章采用了新思路选取试验函数,得到了时间上线性增长的误差和超收敛形式,说明局部间断Galerkin有限元的数值解和真解的误差在很长的时间内都不会显着增长,体现了局部间断Galerkin有限元方法求长时间数值解时的优越性。不过,通过数值试验发现,本章的超收敛阶不是最优的。(本文来源于《哈尔滨理工大学》期刊2017-03-01）
张肃[10]（2016）在《中国城镇居民信息消费水平估计与收敛性分析》一文中研究指出基于面板数据对2002—2013年中国城镇居民信息消费水平进行了估计,并进一步研究了其收敛性。结果表明:城镇居民信息消费水平存在较显着的地区差异,最高收入省份的消费水平与最低收入省份的消费水平差距呈扩大趋势;信息消费水平不具有σ收敛性,也不存在绝对β收敛的情况;但是存在不可观测的个体异质性变量能促进收敛,存在条件β收敛性;引入空间相关性后,收敛速度加快,并且其相邻近地区信息消费水平增长率的误差冲击产生正向作用。(本文来源于《统计与信息论坛》期刊2016年09期）
收敛性估计论文开题报告
（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：
讨论具有Neumann边界条件的抛物方程解的估计,并刻画了具有Neumann边界条件的曲线流的收敛性,最后证明了该曲线流最终将收敛到一段圆弧.
（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。
收敛性估计论文参考文献
[1].杨贵强,刘玉君,李瑞,汪骥.M估计的抗差匹配算法及收敛性分析[J].哈尔滨工程大学学报.2019
[2].黄海燕,王培合.具有Neumann边界条件的曲率方程解的估计及收敛性[J].曲阜师范大学学报(自然科学版).2019
[3].孔润,王培合.一个曲率方程解的估计及其收敛性[J].湖州师范学院学报.2019
[4].朱妍蓓,宗瑞雪,乔旭东,赵张瑞,杨文志.m-WOD误差下非线性回归模型LS估计收敛性[J].高校应用数学学报A辑.2018
[5].刘英.椭圆方程基于梯度重构的后验误差估计及自适应有限元方法的收敛性分析[D].湘潭大学.2018
[6].贾晓晓.椭圆方程有限元方法的面向目标型后验误差估计及自适应算法的收敛性[D].湘潭大学.2018
[7].周玲玲.间断有限元方法的稳定性、误差估计及超收敛性分析[D].中国科学技术大学.2018
[8].张娇娇.基于压缩感知的量子状态估计与滤波算法及其收敛性研究[D].中国科学技术大学.2018
[9].钱琛庚.间断Galerkin有限元方法的误差估计与超收敛性[D].哈尔滨理工大学.2017
[10].张肃.中国城镇居民信息消费水平估计与收敛性分析[J].统计与信息论坛.2016