导读:本文包含了收敛算法论文开题报告文献综述及选题提纲参考文献，主要关键词:修正OS-EM算法,Kullback-Leibler距离,松弛算子
收敛算法论文文献综述
郭瑶,王金平[1]（2019）在《关于不适定积分方程修正OS-EM算法的收敛性研究》一文中研究指出主要针对修正OS-EM(Ordered-SubsetExpectation-Maximization)重建算法进行研究,即利用超松弛参数来加速有序子集,期望最大化的快速重建算法,并且通过OS-EM算法来进行收敛性分析.此外,还充分利用KL距离的一些性质,以探究在精确数据的情况下,修正OS-EM算法的单调性及其方程解的收敛性.(本文来源于《宁波大学学报(理工版)》期刊2019年06期）
吴昊[2]（2019）在《基于聚合度热点收敛映射机制的云计算人工智能数据筛选算法》一文中研究指出考虑到当前云计算智能数据筛选算法具有资源处理效率不高、用户满足度低、数据收敛效果不理想等问题,设计了一种基于聚合度热点收敛映射机制的云计算人工智能数据筛选算法。首先,基于供给侧—需求侧匹配模型,提出了一种基于资源匹配最大化的数据处理方案,显着提高云处理中心在并行计算上存在的效率。随后,通过设计聚焦成本、时间片及用户可靠度等叁个调度参数,并结合拉格朗日优化方法,实现对聚焦成本、时间片、用户可靠度等最优调度,改善数据筛选性能。仿真实验表明,与当前常用的超欧里几何数据筛选算法(Ultra-Eulerian Geometric Data Screening Algorithms,UEG算法)、时间片累积调度筛选算法(Time Slice Cumulative Scheduling Filtering Algorithm,TSC-SF算法)相比,本文算法具有并发调度业务数多、数据筛选带宽高等特点,具有很强的实际部署价值。(本文来源于《大庆师范学院学报》期刊2019年06期）
关洪波,王胜[3]（2019）在《求解单调非线性方程组的修正PRP算法的收敛性》一文中研究指出本文提出一种求凸约束单调非线性方程组的一种修正Polak-Ribière-Polyak(PRP)算法,该算法的一个优点是具有充分下降性,在较弱的条件下我们证明了算法的全局收敛性。(本文来源于《科学技术创新》期刊2019年31期）
于俊洋,高宁杰,李涵[4]（2019）在《基于非线性收敛因子和局部扰动的鲸鱼算法》一文中研究指出为提高鲸鱼算法的收敛速度和寻优精度,提出一种基于非线性收敛因子和局部扰动的鲸鱼优化算法。引入非线性收敛因子,提高鲸鱼种群的多样性,扩大鲸鱼搜索食物的范围;在鲸鱼包围捕食阶段,采用一种局部扰动策略,使算法在跳出局部极值时的能力增强,提高算法的寻优精度。实验结果表明,改进后算法和粒子群算法、蝙蝠算法、基本鲸鱼算法相比,寻优速度、收敛精度、算法稳定性方面更优。(本文来源于《计算机工程与设计》期刊2019年10期）
刘蕊,刘奇龙,陈震[5]（2019）在《判定强H-张量具有线性收敛速度的迭代算法》一文中研究指出基于计算非负张量谱半径的高阶幂法,给出一种新的迭代算法判定强H-张量.结合不等式的放缩技巧和非负张量的Perron-Frobenius定理证明所给算法在有限步内停止,且其收敛速度是线性收敛的.数值算例表明,该算法能判定任意给定的张量是否为强H-张量,且在某些情形下比经典的强H-张量判定算法所需迭代步数更少.(本文来源于《吉林大学学报(理学版)》期刊2019年05期）
徐平峰,陈婷,尚来旭[6]（2019）在《E-MS算法的收敛性》一文中研究指出考虑E-MS算法的收敛性.首先,给出观测广义信息准则(GIC)最小值点的必要条件;其次,在模型空间有限性、参数空间紧性、Q函数连续性的条件下,证明E-MS算法产生序列的极限点满足观测GIC最小值点的必要性,是对E-MS算法全局收敛性的补充;再次,给出满足该必要条件但不满足全局收敛条件高斯图模型的一个实例;最后,证明E-MS算法的全局收敛性.(本文来源于《吉林大学学报(理学版)》期刊2019年05期）
彭文豪,谷波,曾炜杰[7]（2019）在《圆形翅片管换热器计算模型与算法收敛性研究》一文中研究指出本文以单排换热管为换热单元,建立了圆筒形翅片管换热器的分排参数数学模型,并提出采用二分法迭代求解换热方程组的数值求解方法,重点讨论了在对单排换热管进行迭代求解时出现的收敛性问题。本文提出两个迭代判据条件,并给出通过求解条件方程零点的方法确定迭代变量(各排换热管的进水温度)的下限值。对模型进行验证,结果表明各排换热管的进水温度迭代下限值是总进水温度的线性递增函数。在总进水温度较低的情况下,该方法可以避免迭代计算进入不合理区间,保证算法稳定收敛。(本文来源于《制冷学报》期刊2019年05期）
陈倩,许媛[8]（2019）在《基于收敛启发机制的人工网络安全迁移算法研究》一文中研究指出针对当前人工网络安全迁移算法研究中存在迁移时间长、误码率高且容易造成网络瘫痪等不足,提出了一种基于收敛启发机制的人工网络安全迁移算法。首先,利用社区网络进行网络迁移时具有的波动特性,通过带宽函数均值起伏率和网络存储冗余率两个指标进行迁移裁决,有效减缓了迁移过程中网络出现拥塞的概率,实现数据迁移并提高网络安全迁移过程中的鲁棒性。随后,针对当前算法迁移过程中难以进行误差评估的不足,通过启发映射机制设计了网络存储冗余带宽迁移方法,用以改善网络数据传输过程中的抖动,改善网络迁移时的效率,具有很强的迁移质量。仿真实验表明:与当前常用的超混沌云网络预估迁移机制(Predictive Migration Mechanism of Hyperchaotic Cloud Networks,PMM-HCN机制)、社区网络大数据峰值安全迁移机制(Peak Security Migration Mechanism of Large Data in Community Network,PSMM-LDCN机制)相比,本文算法具有网络迁移时间少、网络迁移数据误码率小、网络抖动时间短、网络瘫痪频率低等特性,具有很强的实际部署价值。(本文来源于《井冈山大学学报(自然科学版)》期刊2019年05期）
高长征,阎博,王佳蕊,常学飞,孙玥[9]（2019）在《具有指数收敛速度的电力系统全分布式潮流算法》一文中研究指出为了满足互联电力系统潮流计算对数据隐私的需求,提出了一种全分布式潮流算法。该方法由内环迭代与外环迭代组成,外环迭代基于牛顿-拉夫逊法计算雅可比矩阵,内环迭代采用全分布式算法在互联电网各分区分别求解各自的潮流修正方程。该方法不需要协调层对分布式计算进行分解协调,各分区仅需要与邻居分区交换潮流方程修正量的信息,外环迭代收敛特性与全局潮流相同,内环迭代保证收敛且具有指数收敛速度。通过IEEE39节点和118节点算例的测试表明,该方法具有较高的收敛性,适合于没有协调层的分布式潮流计算。(本文来源于《中国电力》期刊2019年10期）
张志军,李宇平,刘进,孟斌,黄文育[10]（2019）在《Markov链的珊瑚礁算法全局收敛性分析》一文中研究指出珊瑚礁算法是一种新型随机搜索智能算法。本文就珊瑚礁算法给出了珊瑚虫和珊瑚虫群状态一步转移概率,建立了Markov链数学分析模型,分析了该Markov链的性质,证明了珊瑚虫群状态序列是有限齐次的,状态空间是不可约的,利用随机搜索算法收敛性判定标准,证明了珊瑚礁算法满足该判定标准的两个条件,为全局收敛算法。(本文来源于《第叁十八届中国控制会议论文集（7）》期刊2019-07-27）
收敛算法论文开题报告
（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：
考虑到当前云计算智能数据筛选算法具有资源处理效率不高、用户满足度低、数据收敛效果不理想等问题,设计了一种基于聚合度热点收敛映射机制的云计算人工智能数据筛选算法。首先,基于供给侧—需求侧匹配模型,提出了一种基于资源匹配最大化的数据处理方案,显着提高云处理中心在并行计算上存在的效率。随后,通过设计聚焦成本、时间片及用户可靠度等叁个调度参数,并结合拉格朗日优化方法,实现对聚焦成本、时间片、用户可靠度等最优调度,改善数据筛选性能。仿真实验表明,与当前常用的超欧里几何数据筛选算法(Ultra-Eulerian Geometric Data Screening Algorithms,UEG算法)、时间片累积调度筛选算法(Time Slice Cumulative Scheduling Filtering Algorithm,TSC-SF算法)相比,本文算法具有并发调度业务数多、数据筛选带宽高等特点,具有很强的实际部署价值。
（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。
收敛算法论文参考文献
[1].郭瑶,王金平.关于不适定积分方程修正OS-EM算法的收敛性研究[J].宁波大学学报(理工版).2019
[2].吴昊.基于聚合度热点收敛映射机制的云计算人工智能数据筛选算法[J].大庆师范学院学报.2019
[3].关洪波,王胜.求解单调非线性方程组的修正PRP算法的收敛性[J].科学技术创新.2019
[4].于俊洋,高宁杰,李涵.基于非线性收敛因子和局部扰动的鲸鱼算法[J].计算机工程与设计.2019
[5].刘蕊,刘奇龙,陈震.判定强H-张量具有线性收敛速度的迭代算法[J].吉林大学学报(理学版).2019
[6].徐平峰,陈婷,尚来旭.E-MS算法的收敛性[J].吉林大学学报(理学版).2019
[7].彭文豪,谷波,曾炜杰.圆形翅片管换热器计算模型与算法收敛性研究[J].制冷学报.2019
[8].陈倩,许媛.基于收敛启发机制的人工网络安全迁移算法研究[J].井冈山大学学报(自然科学版).2019
[9].高长征,阎博,王佳蕊,常学飞,孙玥.具有指数收敛速度的电力系统全分布式潮流算法[J].中国电力.2019
[10].张志军,李宇平,刘进,孟斌,黄文育.Markov链的珊瑚礁算法全局收敛性分析[C].第叁十八届中国控制会议论文集（7）.2019
标签：修正OS-EM算法; Kullback-Leibler距离; 松弛算子;