一、向量范数/ vector norms 定义R空间的向量范数‖·‖对任意元,满足下列条件: (1)‖x|≥0;‖x‖=0令x=0(正定性/ positive definite*) (2)‖ax=|alx对任意a∈C(齐次性/ homogeneous+) (3)‖x+yS‖x+‖列(三角不等式/ triangle

选取某4000 m3级别高炉2014年至2019年时间范围内的日平均数据，以铁水温度为目标函数，首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理，获取了显著影响铁水温度的正负相关性特征参量。在此基础上，基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型，模型均可对铁水温度实现有效预测，基于支持向量回归算法构建的预测模型较优，预测平均绝对误差为4.33 ℃，±10 ℃误差范围内的命中率为94.0%

§1 乘幂法 §2 Jacobi方法 §3 QR方法

原点平移法/ deflation technique

对人耳识别中若干关键问题进行了研究.介绍了两种人耳图像归一化处理的方法,即基于外耳轮廓长轴的线标记法和基于外耳轮廓起始点的点标记法,并对这两种方法进行了对比.在分析现有人耳识别方法不足的基础上,提出利用核主元分析法提取人耳图像的代数特征,再利用支持向量机分类模型进行人耳识别.在带有角度、光照变化的北京科技大学人耳图像库上得到的识别率为98.7%,表明了该识别方法的有效性以及利用人耳图像进行身份识别的可行性

• 一、向量自回归模型定义 • 二、VAR的稳定性 • 三、VAR模型滞后期k的选择 • 四、VAR模型的脉冲响应函数和方差分解 • 五、格兰杰非因果性检验 • 六、VAR与协整 • 七、实例

针对滚动轴承故障精密诊断的需要,采用小波包分析方法提取了滚动轴承故障的特征信号,通过小波包分析将高频信号分解到8个频带中,以频带能量作为识别故障的特征向量,应用RBF径向基神经网络建立了从特征向量到故障模式之间的映射,现场采集的数据分析表明,采用小波包和神经网络相结合的方法可以比较准确地识别滚动轴承的故障

在现实的大系统分析中,常遇到由若干灰色子系统组成的灰色大系统.文章研究了这类灰色大系统运动方程解的存在性与唯一性,给出了具体的判定方法,且给出了如何选择其状态向量的具体方法

一、逆幂法分析 设n阶实方阵A有n个线性无关的特征向量u12…n 相应的特征值分别为,2…n,并按其绝对值的大小排列 即 则由A1=u,可得Au1=u,即A的逆矩阵A的特征值为

第五章重叠、流水和向量处理机 1重叠方式 一.重叠解释方式 1.一条指令的几个过程段 （1)取指令:根据PC(指令计数器)从M(存储器) 取出指令送到IR(指令寄存器) （2)译码分析:译出指令的操作性质,准备好所需数据 （3)执行:将准备好的数按译出性质进行处理,主要涉及ALU(算术逻辑运算部件) 2.对指令执行的几种方式