隨機數(shù)值方法及其在隨機Kaczmarz算法中的應用.pdf_第1頁
已閱讀1頁,還剩104頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、Kaczmarz算法是一種求解超定線性系統(tǒng)Ax=b的有效方法。Kaczmarz算法在諸如圖像重構(gòu),數(shù)字信號處理等信息科學領(lǐng)域都有廣泛的應用。與傳統(tǒng)的Kaczmarz算法比較,在經(jīng)典Kaczmarz算法基礎上建立起來的隨機化的Kaczmarz算法(RK算法),其算法效率更加高效,收斂速度可以達到指數(shù)收斂。對于一定條件下的超定線性系統(tǒng),數(shù)值模擬以及理論分析表明,RK算法比包括著名的共軛梯度算法在內(nèi)的傳統(tǒng)算法更加高效。本文進一步研究了隨機化R

2、K算法的設計,主要創(chuàng)新性工作包括:
  1.基于矩陣低秩近似的隨機RK算法設計
  通過設計一種具有正交結(jié)構(gòu)的低秩預條件矩陣,得到了求解線性方程組Ax=b的預條件RK算法,從理論上證明了本文算法提高了隨機RK算法的收斂性,而當mn時,數(shù)值實驗驗證了本文算法比傳統(tǒng)的隨機RK算法具有更快的收斂速度與計算效率。
  2.基于Nesterov加速迭代格式的含噪RK迭代算法
  基于隨機近似投影(Randomized Ap

3、proximate Orthogonal Projection)思想,本文將RK算法(REK)拓廣到求解含噪聲的超定線性系統(tǒng),算法主要思想是將b正交投影到A的列向量形成的空間上,從而可以盡可能的減少噪聲的影響,并通過Nesterov加速迭代格式對改進REK算法進行加速,從而建立了一種加速迭代算法(AREK:Accelerated Randomized Extended Kaczmarz)。數(shù)值實驗表明,當矩陣A是稠密矩陣且A的最小的奇異

4、值很小時,AREK算法相對于REK算法有更好的收斂性。
  3.基于隨機行選取與最小二乘法的分塊RK迭代算法
  Needell和Tropp給出了分塊隨機分塊Kaczmarz算法,該算法的主要思想是將當前迭代量投影到A的子矩陣的解空間。本文基于隨機行選取與最小二乘法相結(jié)合,建立了一種新的分塊RK迭代法,其基本步驟是:以子矩陣條件數(shù)作為約束條件,選取矩陣A中若干行,分割得到若干子塊矩陣,然后實現(xiàn)分塊RK迭代,數(shù)值實驗表明了算法

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論