首页--数理科学和化学论文--计算数学论文--数值分析论文--线性代数的计算方法论文

基于F-范数最小化的稀疏近似逆预处理方法

摘要第3-4页
abstract第4-5页
第1章 绪论第9-18页
    1.1 选题研究现状第10-16页
    1.2 本文研究内容和结构安排第16-18页
第2章 基础知识第18-48页
    2.1 大型稀疏线性方程组的基本知识第18-19页
    2.2 求解大型稀疏线性方程组的迭代法第19-25页
        2.2.1 定常迭代算法第19-20页
        2.2.2 Krylov子空间迭代方法第20-25页
    2.3 大型稀疏线性方程组的预处理技术第25-30页
        2.3.1 ILU分解预处理技术第27-30页
        2.3.2 稀疏近似逆预处理技术第30页
    2.4 基于F-范数最小化的稀疏近似逆预处理技术第30-43页
        2.4.1 构造稀疏结构J的主要方法第32-35页
        2.4.2 SPAI算法第35-38页
        2.4.3 PSAI算法第38-42页
        2.4.4 理论分析第42-43页
    2.5 因子形式的稀疏近似逆预处理技术第43-48页
        2.5.1 AINV算法第43-45页
        2.5.2 FSAI算法第45-48页
第3章 RSAI算法第48-67页
    3.1 引言第48-49页
    3.2 基本的RSAI算法第49-52页
    3.3 基本的RSAI算法的理论分析以及实用的RSAI算法第52-55页
    3.4 数值实验第55-66页
        3.4.1 RSAI(fix)算法对比SPAI算法第56-58页
        3.4.2 RSAI(fix)算法对比RSAI(tol)算法第58-62页
        3.4.3 RSAI(tol)算法对比SPAI算法第62-65页
        3.4.4 RSAI(tol)算法与PSAI(tol)算法对比第65-66页
    3.5 本章小结第66-67页
第4章 精化的SPAI算法第67-78页
    4.1 引言第67页
    4.2 精化的SPAI算法第67-69页
    4.3 数值实验第69-77页
        4.3.1 精化的SPAI算法的有效性第71-74页
        4.3.2 精化的SPAI算法和SPAI算法的比较第74-77页
    4.4 本章小结第77-78页
第5章 双重非规则问题的规则变换方法第78-95页
    5.1 引言第78-79页
    5.2 双重非规则问题的规则变换方法第79-82页
    5.3 理论分析以及实用算法第82-86页
    5.4 数值实验第86-94页
        5.4.1 S-SPAI算法对比N-SPAI算法第89-91页
        5.4.2 S-PSAI(tol)算法对比N-PSAI(tol)算法第91-92页
        5.4.3 S-RSAI(tol)算法对比N-RSAI(tol)算法第92-94页
    5.5 本章小结第94-95页
第6章 结论与展望第95-98页
    6.1 全文总结第95-96页
    6.2 本文的创新点第96页
    6.3 对未来工作的展望第96-98页
参考文献第98-107页
致谢第107-109页
个人简历、在学期间发表的学术论文与研究成果第109页

论文共109页,点击 下载论文
上一篇:东北虎肺转录组及miR-302/367重编程成纤维细胞为iPSCs的研究
下一篇:圈养东北虎繁殖期的行为、性激素和性信息素研究