Knowledge Commons of Institute of Automation，CAS
| 基于加权矩阵的多维广义特征值并行分解算法 | |
| 高迎彬; 徐中英 | |
| 发表期刊 | 自动化学报
 |
| ISSN | 0254-4156 |
| 2023 | |
| 卷号 | 49期号:12页码:2639-2644 |
| 摘要 | 针对串行广义特征值分解算法实时性差的缺点,提出基于加权矩阵的多维广义特征值分解算法.与串行算法不同,所提算法能够在一次迭代过程中并行地估计出多维广义特征向量.平稳点分析表明:当且仅当算法中状态矩阵等于所需的广义特征向量时,算法达到收敛状态.通过对比相邻时刻的状态矩阵模值证明了所提算法的自稳定特性.所提算法参数选取简单,实际实施较为容易.数值仿真和实例应用进一步验证了算法的并行性、自稳定性和实用性. |
| 关键词 | 广义特征值分解 加权矩阵 并行分解 多维估计 |
| DOI | 10.16383/j.aas.c200399 |
| 引用统计 | |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ia.ac.cn/handle/173211/55781 |
| 专题 | 学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 高迎彬,徐中英. 基于加权矩阵的多维广义特征值并行分解算法[J]. 自动化学报,2023,49(12):2639-2644. |
| APA | 高迎彬,&徐中英.(2023).基于加权矩阵的多维广义特征值并行分解算法.自动化学报,49(12),2639-2644. |
| MLA | 高迎彬,et al."基于加权矩阵的多维广义特征值并行分解算法".自动化学报 49.12(2023):2639-2644. |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| AAS-CN-2020-0399.pdf（1173KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [高迎彬]的文章 |
| [徐中英]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [高迎彬]的文章 |
| [徐中英]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [高迎彬]的文章 |
| [徐中英]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论