王旭辉
- 作品数：26 被引量：35H指数：4
- 供职机构：合肥工业大学数学学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金安徽省自然科学基金更多>>
- 相关领域：理学自动化与计算机技术电气工程更多>>
- 基于B样条的概率密度函数非参数估计被引量：1
- 2022年
- 利用信息熵能度量估计模型与真实模型之间的误差,结合信息熵的无偏估计给出计算B样条基函数对应系数的方法,得到的B样条函数作为估计模型.数值实例验证了该方法的有效性,且该方法的拟合效果优于正交序列估计方法以及经典的核密度估计方法.
- 张梦珠王旭辉
- 关键词：B样条概率密度函数
- 基于B样条的函数型数据表示与配准被引量：1
- 2021年
- 针对函数型数据配准问题,首先利用B样条函数来近似表示,并将扭曲函数也限定为于B样条函数空间内.进而将函数型数据配准问题转换为B样条函数升阶后比较控制顶点的问题,可降低计算复杂度.数值实验验证了该方法的有效性.
- 孙萍刘源昊王旭辉
- 关键词：函数型数据B样条升阶
- 等几何分析中的复杂物理区域投影算子及误差分析被引量：3
- 2019年
- 针对等几何分析中复杂物理区域上的偏微分方程求解问题,提出了多片参数域上双三次样条投影映射的方法.首先基于多片参数化,构造了复杂物理域上的一个投影映射;其次对于物理域上的光滑函数,讨论了该投影映射的逼近误差,理论分析表明该投影映射可达到最优逼近阶;最后基于投影映射的思想,给出了一类适用于基于等几何分析在复杂物理区域上二阶椭圆方程求解的样条空间.数值算例的结果表明,该方法求解的逼近误差阶可达到最优.
- 胡丹丹王旭辉吴梦
- 关键词：误差分析二阶椭圆方程
- 广义重心坐标的递推关系
- 2018年
- 从线性方程组解空间的角度理解广义重心坐标(GBCs),给出平面重心坐标从n边形到n(10)1边形的递推关系式。将构造重心坐标的问题转化为构造函数的问题,不需考虑坐标函数的几何意义,选取满足约束条件的函数即可构造重心坐标。在推导过程中,n(10)1边形(n≥3)可看作n边形与一顶点的组合,将该顶点用n边形的顶点线性表出,可将n(10)1边形上的重心坐标化为n边形上的齐次坐标(homogeneous coordinates)。为第n(10)1个坐标函数施加一定限制条件,即得到n边形上一组重心坐标。
- 钱毅加唐烁王旭辉
- 关键词：递推式多边形
- 平面双线性映射的伸缩率分析
- 2021年
- 拟共形映射能较好地保持角度,在形状编辑等几何处理领域有着广泛应用.但该类映射不易构造,特别是复杂区域之间的拟共形映射构造,是一个困难且重要的问题.本文研究了一类简单的拟共形映射,即双线性映射,讨论了其伸缩率的分布情况,证明了伸缩率的最大值一定在四边形区域的顶点上取得.相关结论为复杂区域之间拟共形映射的构造提供了良好的理论基础.数值实验验证了结论的正确性.
- 李倩王旭辉
- 关键词：拟共形映射双线性函数
- 一类级数的求和
- 2021年
- 给出了一类级数的求和公式,并列举其应用.
- 唐烁王旭辉
- 关键词：级数
- 凸六面体上的双有理映射
- 文章借助三维环境下的重心坐标的特性，将二维环境下双有理映射的相关结果推广到三维凸六面体情形下。即给一个凸六面体上的每个顶点赋上满足特殊条件的权值，使得定义在该凸六面体上的三线性有理映射是双有理映射，此外给出一个实例说明该...
- 叶金云王旭辉钱毅加
- 关键词：权值
- 一类基函数的构造问题
- 2005年
- 对文[1]中给出的基函数作了改进,改进后的基函数不仅形式简单,而且具有良好的几何性质.然后引进多项式树的概念,从更广泛意义出发讨论了一类基函数的构造问题.给基函数的构造提供了一个直观的途径.
- 李宁王旭辉
- 关键词：基函数
- 配电网电压不确定水平区间分析模型被引量：4
- 2018年
- 为定量评估配电网运行状态不确定性条件下强不确定因素对各节点电压的不确定性影响边界,该文从线性建模的角度出发,提出一种用于电压不确定水平分析的区间线性模型。首先,利用虚拟期望运行点与仿射潮流估计不确定因素作用下的节点电压响应区间,进而构造出回归分析样本用于区间线性模型的参数辨识。然后,针对区间回归分析保守性的不同要求,分别建立了基于二次规划与基于随机规划的两种参数求解模型。最后,采用IEEE 33节点与实际113节点配电系统验证了所提区间线性模型及求解方法的有效性,且验证结果表明所提模型能准确评估出运行状态多不确定性条件下不确定因素对节点电压的影响边界。
- 陈鹏伟陶顺肖湘宁王旭辉汤广福
- 关键词：配电网
- 一种偏微分方程数值求解的自适应神经网络模型被引量：4
- 2020年
- 基于NN-PDE模型提出了一种改进的模型自适应PDE-Net.数值实例验证了该方法的有效性.
- 吴梦丁康王旭辉
- 关键词：偏微分方程神经网络自适应
