2) iterative solution
迭代求解
1.
Strategy of iterative solution is applied to the proposed algorithm.
针对求取邻域窗口像素均值的问题,采用迭代求解的方法,提出一种快速计算像素模板均值的方法。
3) non-iterative calculating
非迭代求解
4) Iterative solution method for nonlinear equation
非线性迭代求解方法
5) iterative solution
迭代解法
1.
An iterative solution of AXB=C with sub-matrix restrains in bi-symmetric matrix set is given.
构造了求解子矩阵约束下AXB=C的双对称解的迭代解法,利用残量正交的性质证明了算法的有限终止性,并进一步研究了求解子矩阵约束下矩阵方程问题的最佳逼近解,最后,给出了能够体现算法有效性的数值实例。
2.
In this paper, the iterative solution of the three dimensional ageostrophic circulation di-agnostic equation is discussed.
本文对三维非地转环流诊断方程的迭代解法进行了详细讨论，并把该方程的实例诊断结果同二维次级环流方程的计算结果以及FGGE资料中的物理量场作了对比检验。
6) iterative method
迭代解法
1.
The iterative method for the symmetric reflexive matrix solutions and the optimal approximation of the matrix equation AXB=C;
求AXB=C的对称自反矩阵解及其最佳逼近的迭代解法
2.
The numerical example shows that the iterative methods are efficient argorithms.
论文对以tanh (x)为基础构造的Schr dinger方程的辛格式建立一种迭代解法并讨论了此迭代解法的收敛条
3.
According to the iterative methods of Jacobi,Guass-Seidel and SOR for solving system of linear algebra equations,the matrix expressions,algorithm analysis and realization of MATLAB programming of these methods were given.
针对解线性代数方程组的Jacobi迭代法、Guass-Seidel迭代法和SOR迭代法,给出这几种迭代解法的矩阵表达式、算法分析和MATLAB编程实现;同时,给出应用于求解数学模型的实例。
补充资料：迭代法
一类利用递推公式或循环算法构造序列求问题近似解的方法。例如利用关系式,从x0开始依次计算x1,x2,...来逼近方程x＝??(x)的根x的方法和由关系式 近似求解线性代数方程Ax=b的方法都是迭代法。一般，利用递推关系式
，构造序列{xk}逼近所论问题解x的方法称为迭代法,Ψk称为迭代算子或迭代函数，｛xk｝为迭代序列。若xk存在极限,则称迭代序列收敛。若存在1≤p<以及正的常数Cp使则称迭代序列对于x具有p阶收敛速度或者说是p阶收敛的。如果对所有由迭代函数Ψk产生的收敛于x的迭代序列｛xk｝,上式均成立，则称此迭代法对于x是p阶收敛的。
对确定的正整数m，迭代算法称为m步迭代法，当m=1，称为单步迭代法或逐步逼近法，它是最常用的迭代算法。用m步迭代法计算时，需给定m个初始近似x0,x-1,...,x-m+1。若Ψk与k无关，称之为定常迭代法。所有定常迭代法均可化成这种形式。当单步定常迭代法收敛于x时,则x为方程组x＝Ψ(x)的解。
迭代法研究的主要课题是对所论问题构造收敛的迭代算法，分析它们的收敛速度及收敛范围。迭代法的收敛性定理可分成下列三类：①局部收敛性定理：假定问题解存在，断定当初始近似与解充分接近时迭代法收敛；②半局部收敛性定理：在不假定解存在的情况下，根据迭代法在初始近似处满足的条件，断定迭代法收敛于问题的解；③大范围收敛性定理：在不假定初始近似与解充分接近的条件下，断定迭代法收敛于问题的解。
对于单步定常迭代法有以下基本收敛性定理：
定理1 设在解x的邻域内,Ψ(x)连续可微,Ψ(x)的谱半径小于1，则当初始近似x0与x充分接近时,单步定常迭代法对于x收敛。
定理2 设于区域S={x|‖x-x0‖≤r}内Ψ(x)满足条件：‖Ψ(x)-Ψ（у）‖≤q‖x-у‖,凬x，у∈S,且‖x0-Ψ(x0)‖≤(1-q)r，其中0<1,则x=Ψ（x）在S中存在惟一解x,单步定常迭代法对于x收敛,并有估计式
迭代法在线性和非线性方程组求解、最优化计算以及特征值计算等问题中广泛应用。
，构造序列{xk}逼近所论问题解x的方法称为迭代法,Ψk称为迭代算子或迭代函数，｛xk｝为迭代序列。若xk存在极限,则称迭代序列收敛。若存在1≤p<以及正的常数Cp使则称迭代序列对于x具有p阶收敛速度或者说是p阶收敛的。如果对所有由迭代函数Ψk产生的收敛于x的迭代序列｛xk｝,上式均成立，则称此迭代法对于x是p阶收敛的。
对确定的正整数m，迭代算法称为m步迭代法，当m=1，称为单步迭代法或逐步逼近法，它是最常用的迭代算法。用m步迭代法计算时，需给定m个初始近似x0,x-1,...,x-m+1。若Ψk与k无关，称之为定常迭代法。所有定常迭代法均可化成这种形式。当单步定常迭代法收敛于x时,则x为方程组x＝Ψ(x)的解。
迭代法研究的主要课题是对所论问题构造收敛的迭代算法，分析它们的收敛速度及收敛范围。迭代法的收敛性定理可分成下列三类：①局部收敛性定理：假定问题解存在，断定当初始近似与解充分接近时迭代法收敛；②半局部收敛性定理：在不假定解存在的情况下，根据迭代法在初始近似处满足的条件，断定迭代法收敛于问题的解；③大范围收敛性定理：在不假定初始近似与解充分接近的条件下，断定迭代法收敛于问题的解。
对于单步定常迭代法有以下基本收敛性定理：
定理1 设在解x的邻域内,Ψ(x)连续可微,Ψ(x)的谱半径小于1，则当初始近似x0与x充分接近时,单步定常迭代法对于x收敛。
定理2 设于区域S={x|‖x-x0‖≤r}内Ψ(x)满足条件：‖Ψ(x)-Ψ（у）‖≤q‖x-у‖,凬x，у∈S,且‖x0-Ψ(x0)‖≤(1-q)r，其中0
迭代法在线性和非线性方程组求解、最优化计算以及特征值计算等问题中广泛应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条