张量投票算法利用人类感知功能原理进行计算,它具有较强的鲁棒性、非迭代性、参数唯一性等特性,其非迭代性具有节省计算时间的显著性特征,因此,广泛应用于图像线特征提取,但在一些含有复杂噪声的图像中,却不能得到更为连续的显著线特征信息。本文针对此问题,提出一种改进的具有迭代性的张量投票算法,它主要是对投票域进行迭代改进,使改进后的张量投票算法可以提取更为连续的显著线特征,且与传统的张量投票算法相比,本文算法既缩短了计算时间,又提取了更为连续的线特征图像。

低复杂度迭代解码的比特交织编码调制不规则映射设计

讨论一类非参数不确定系统的约束迭代学习控制问题.构造二次分式型障碍李雅普诺夫函数(Barrier Lyapunov functions),用于学习控制器设计.控制方案采用鲁棒方法与学习机制相结合的手段处理非参数不确定性,鲁棒方法对处理后的不确定性的界予以补偿,学习机制对处理后的不确定性进行估计.可实现系统状态在整个作业区间上完全跟踪参考轨迹,并使得系统误差的二次型在迭代过程中囿于预设的界内,进而在运行过程中实现状态约束.提出的迭代学习算法包括部分限幅与完全限幅学习算法.采用这种BLF约束控制系统有利于提高控制系统中设备安全性.仿真结果用于验证所提出控制方法的有效性.

基于牛顿迭代算法的分形艺术图形设计，做的很漂亮的~

采用串行级联网格编码调制(SCTCM)技术,高效利用带宽受限的水声信道带宽.同时,为了克服水声信道时变多途衰落,消除码间干扰,运用Turbo迭代原理构建多通道自适应均衡器和SCTCM译码器联合迭代算法.在联合迭代均衡和译码(JIED)算法中,均衡器和译码器通过迭代的方式,交换数据符号的软信息来改善均衡器的性能,从而实现高速、可靠的数据传输.计算机仿真结果表明,使用上述体制的水声通信系统,在高效利用水声信道带宽的同时,利用译码器提供的译码增益,提高了均衡器的数据处理能力,通信系统接收数据的误码率降低了两个数

从高斯-牛顿迭代的角度对迭代扩展卡尔曼滤波(IEKF)进行分析,提出了一种基于组合牛顿迭代法的改进IEKF算法。该算法通过实时判断每次迭代对状态的逼近程度,采用加权平均的方法确定新的迭代值,继而采用卡尔曼滤波框架对状态进行量测更新。新算法较传统的IEKF具有精度高以及对初值不敏感的优点。实例仿真验证了该算法的有效性。

迭代学习PID控制Simulink模型

Richard S Varga 著 是学习数值线性代数，矩阵迭代的重要参考书籍。

渐进迭代逼近（简称PIA）是一种直观有效的数据拟合方法。经典的PIA方法要求曲面控制顶点的个数等于拟合数据点的个数，并不适用于大量数据的拟合。为了改造经典PIA方法，特别研究了使用最频繁的三角曲面用PIA来生成的算法，并重点考虑实际中最常用的低次情形。证明了低次（n=2，3，4）非均匀三角 bezier曲面具有最小二乘渐进迭代逼近（简称 LSPIA性质，并且迭代得到的三角 Bezier曲面序列的极限就是数据点的最小二乘拟合。同时，还提供了如何选择合适的权值使得迭代拥有最快收敛速度的方法。实例验证了最小二乘PIA方法的有效性。

对偏最小二乘(PLS)回归的基本方法进行了分析研究，提出了基于非线性迭代偏最小二乘(NIPLS)的信息模式识别算法。该算法实现了模式识别中特征提取与分类器设计的有机结合。NIPLS较Fisher判别分析、Bayes判别分析等经典的模式识别算法，具有更强的信息识别能力，且对数据本身的分布要求不高，尤其对于多重共线性资料或解释变量多而样本数量少时更为有效。将该算法应用于土地质量的分类识别，结果表明，该文所建立的算法是有效的、可靠的。