作者:
原文服务方: 江西科学       
摘要:
利用极小l1模剩余向量,将l1范数极小化问题转化为先求一个约束不可微最优化问题,再解一个相容的线性方程组.最后的算例表明该算法具有简单、易于操作等优点.
推荐文章
求解非对称线性方程组的总体拟极小向后扰动方法
非对称线性方程组
Krylov子空间
Lanczos方法
QMR方法
向后扰动方法
病态方程组
求解超定病态线性方程组的一种正则化迭代算法
超定病态线性方程组
正则化迭代
对称正定矩阵
T2谱反演
已知线性方程组的解,构造线性方程组
向量
基础解系
线性方程组
矩阵
用神经网络解非线性方程组
非线性方程组
神经网络
稳定性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 超定线性方程组极小l1范数解的一个算法
来源期刊 江西科学 学科
关键词 超定线性方程组 极小l1模剩余向量 相容方程组
年,卷(期) 2007,(1) 所属期刊栏目 理论探讨
研究方向 页码范围 4-6
页数 3页 分类号 O242
字数 语种 中文
DOI 10.3969/j.issn.1001-3679.2007.01.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 姚健康 河海大学理学院 11 39 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (1)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
超定线性方程组
极小l1模剩余向量
相容方程组
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
江西科学
双月刊
1001-3679
36-1093/N
大16开
1983-01-01
chi
出版文献量(篇)
4032
总下载数(次)
0
总被引数(次)
17843
论文1v1指导