1、 线性空间； 2、 线性变换； 3、 线性变换的本征值与本征向量； 4、 内积空间； 5、 正交化法； 6、 自伴算子； 7、 等距变换； 8、 正规变换的本征值与本征向量； 9、 平方可积函数空间； 10、完备正交归一函数集； 11 、多项式逼近 12 、完备正交归一集的例子； 13、 正交多项式

掌握样条函数及性质、B-样条及性质、三次样条插值。 借助于多项式来逼近,虽然有很多优点,但由于多项式乃幂级数的特例,其在 一点附近的性质足以决定它的整体性质。然而自然界较大范围内的许多现象,如物 理或生物现象间的关系往往呈现互不关联、互相割裂的本性。亦即在不同区域中, 它们的性状可以完全不相关。另一方面,从数学上讲,例如在多项式插值理论中, 具有n个插值点的一元插值多项式是一个-1次的多项式,它可能有n-3个拐点。这 对于比较平滑的函数来说就不是那么理想了

本节将考察欧氏空间上的可测函数和连续函数关系.本节将 证明重要的 Lusin定理,它表明 Lebesgue可测函数可以用性质较好连续函数 逼近这个结果在有些情况下是很有用的

运用运筹学的理论和方法，建立一种重大事故救灾路线双目标优化数学模型.基于启发式算法思想，提出适合该模型且收敛速度较快的优化算法.该算法通过构造辅助函数调用Dijkstra算法，在最优解的近似区间内多次迭代逐渐逼近最优解，实现了双权重网络图最短路的求解，是一种近似的、快速的算法.基于所构造辅助函数的性质，给出实现该算法的具体步骤.对误差进行线性估计，分析了该算法收敛速度的影响因素，并讨论了算法的时间复杂度及优势.最后在案例分析中编译并运行该算法，证实其模拟结果与理论分析结论相吻合

10.1 遗传算法的基本原理 10.2 遗传算法的特点 10.3 遗传算法的发展及应用 10.4 遗传算法的优化设计 10.5 遗传算法求函数极值 10.6 基于遗传算法优化的RBF网络逼近 10.7 基于遗传算法的伺服系统静态摩擦参数辨识 10.8 基于遗传算法的TSP问题优化

应用光滑函数改进支持向量机模型,得到无约束条件、可微的二次规划问题,从而可以采用快速的最优化算法求解光滑支持向量机模型.提出了一种广义三弯矩方法,用这个方法构造出新的五次样条光滑函数和七次样条光滑函数.证明了上述两个样条光滑函数的逼近精度均高于已有的各种光滑函数;基于上述两个样条函数的光滑支持向量机模型的收敛精度也高于已有的各种光滑支持向量机模型

位移模式是表征单元内部位移的形状的 函数,位移模式一般用多项式表示,因 为多项式可以无限逼近任意连续函数。 其形式为:

第06讲反向传播网络 给定任意>0和任意L2函数f:[0,1CR→R,存在一个三层BP网络,可以 在任意ε平方误差精度内逼近f。 实现任意N个输入向量构成的任何布尔函数的前向网络所需权系数数目为:

主要内容: 一、线性相位FIR数字滤波器的条件和特点 二、利用窗函数法设计FIR滤波器 三、利用频率采样法设计FIR滤波器 四、利用切比雪夫逼近法设计FIR滤波器 五、IIR和FIR数字滤波器的比较

5-1多项式插值的问题 前面根据区间[ab上给出 的节点做插值多项式Ln(x) 近似f(x),一般总认为L1(x)的次 数n越高逼近(x)的精度 越好,但实际上并非如此。这是 因为对任意的插值节点 ,当n>0时,L(x)不一定收敛 到∫(x),本世纪初龙格 ( Runge)就给出了一个等距节 点插值多项式Ln(x)不收 敛的f(x)的例子。他给出的函数 为f(x)=1(1+x)