一、定义:n个有次序的数a1,a2,…,an所组成的数组称为n维向 量,这n个数称为该向量的n个分量,第i个数a称为第i 个分量

一、向量的内积 定义:设有n维向量x=2

设矩阵A∈Rn,如果存在数入∈C及非零向量x∈C满足方程 Ax∈x,则称λ为矩阵A的一个特征值,称为矩阵A的相应于特 征值λ的特征向量。为简单起见,下称,x为矩阵A的一特征对。 特征值的计算,直接从特征方程()=det-A)=0出发会遇到很 大困难,当n稍大一些,行列式展开本身就很不容易,随后是高次代数 方程求解。因此,矩阵特征值的求解,主要是数值解法

提出了一种基于对偶优化的核最小二乘(KPLS)方法,把KPLS用最小二乘支持向量机的形式表示.推导了KPLS对偶优化形式的公式,且使其具有最小二乘支持向量机的风格.在初始空间中构造优化问题,应用核技术在特征空间中解对偶问题,这种解与非线性的KPLS具有相似性.实验验证了这种方法的效果,表明了该方法的有效性和优越性

一、内积的定义及性质 二、向量的长度及性质 三、正交向量组的概念及求法 四、正交矩阵与正交变换 五、小结思考题

针对人耳的生物特征提出了一种人耳的形状特征和结构特征相结合的识别方法．首先提取外耳最长轴,即外耳轮廓边缘点的最长连线．利用外耳长轴把外耳曲线分成两部分,用最小二乘法对这两段曲线分别进行多项式曲线拟合,拟合多项式函数的系数作为外耳特征向量．同时长轴与内耳曲线的交点作为内耳特征点,特征点之间连线的长度与长轴长度的比值作为内耳特征向量．长轴的相对不变性保证了特征向量具有缩放、平移和旋转不变性．实验结果表明此方法在噪声情况下具有较强的鲁棒性．

一、内容小结 1.正交矩阵的定义与性质 2.特征值特征向量的定义与性质 3.相似矩阵的定义与性质 4.矩阵可对角化的条件 5.实对称矩阵特征值特征向量的性质

针对高炉关键异常炉况悬料难以预测的问题，基于D-S证据理论，提出一种综合模糊专家推理和后验概率最小二乘支持向量机的悬料预测方法.首先，结合高炉生产过程和悬料现象，分析悬料形成的内在机理；其次，通过模糊专家推理提取基于专家规则的主观证据，再通过建立后验概率最小二乘支持向量机模型提取基于数据内在客观规律的客观证据；最后，基于D-S证据理论完成主客观证据融合，实现悬料预测.该方法充分利用专家经验和最小二乘支持向量机的自学习能力，能够提高预测精度.仿真结果表明本文提出的方法有效、准确

一、 特征值与特征向量 二、 特征值与特征向量的求法 三、 特征子空间 四、 特征多项式的有关性质

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好