随机投影阵下的界约束总变分图像恢复算法

主要研究以交替方向法为基础的总变分图像恢复模型,结合约束优化问题以及快速迭代技术,提出了一种约束总变分图像恢复的快速算法。对总变分模型添加范围约束,利用交替方向法进行求解,把原问题转化为3个子问题,分别用迭代阈值法、快速傅里叶变换法以及投影法进行求解。把快速迭代技术应用于迭代阈值法来提高计算效率,利用非精确计算法来克服系数矩阵为随机投影阵带来的傅里叶变换的计算费时问题。数值试验结果〖JP2〗表明,针对随机投影阵下的约束总变分问题,新方法在提高计算效率的同时还能得到很好的图像恢复效果。     

有色噪声系统的迭代辨识与递推辨识方法仿真比较研究

针对ARARX模型(即动态调节模型),提出了分别辨识系统模型参数向量和噪声模型参数向量的新型最小二乘迭代辨识方法.其基本思想是:通过极小化一个信息矩阵中含噪声项的准则函数,导出两个参数向量的最小二乘估计式,进一步将估计式中信息矩阵所含的未知噪声项用其迭代估计代替,而其迭代估计又用前一次迭代的参数估计进行计算.在每步迭代计算中,二者执行了一个递阶计算过程.与滤波式递推广义最小二乘算法相比,提出的迭代算法也可用于在线辨识,而且在每一步迭代计算中,反复利用了系统可测数据信息,因而能够获得高精度参数估计.仿真例子证实了理论研究结果.     

基于多模型蒸馏的时间正则化相关滤波跟踪算法

目前大多数基于相关滤波的跟踪方法是通过对模型采取简单的线性加权融合或是将历史模型作为时间正则化项来约束模型更新的方式, 增强滤波器对目标的判别能力, 但这种方式对目标时域信息利用有限, 容易造成模型退化漂移。本文提出一种基于多模型蒸馏的时间正则化相关滤波跟踪算法, 该方法通过收集跟踪过程中利用当前样本产生的独立模型, 在建立包含背景信息的局部样本库中来指导滤波器更新, 以此保留目标在时域中的鲁棒特征。同时，根据每一个模型对当前目标的表征能力不同进行可靠性权值更新。最后，利用交替方向乘子(alternating direction multiplier，ADMM)算法进行模型迭代优化。通过在大量的数据库进行实验, 结果表明本文的方法在精确度与成功率上有了大幅提升。     

联合纹理提取和边缘检测的新方法

结合稀疏表示和半二次规整化方法,提出了一种联合纹理特征提取和边缘检测的新算法。该算法是基于稀疏表示的形态学成分分解方法的直接推广。其基本思想是用两个适合的字典：一个用来描述纹理部分--对偶树复小波变换,另一个用来描述结构部分--第二代曲线波变换,得到了一种新的分解模型。接着运用半二次规整化方法推广这个分解模型,提出了一种联合纹理特征提取和边缘检测的变分模型。数值计算的结果表明,新模型对图像的结构〖CD*2〗纹理分解,以及边缘的提取都有较好的效果。     

基于压缩感知的稀疏多径信道估计

提出了一种基于压缩感知理论的稀疏多径信道估计方法。利用训练序列设计了一种简化的Toeplitz结构观测矩阵,证明了观测矩阵满足限制等距特性,可以作为压缩感知的观测矩阵。根据此矩阵的近似正交性特点对正则化迭代硬阈值算法进行简化,并引入精英策略提出一种归档正则化迭代硬阈值估计算法。仿真结果表明,该估计方法相对于迭代最小二乘法具有更优的性能,且提出的归档正则化迭代硬阈值算法兼具收敛速度快和稳定性高的优点。     

基于不完全信道信息的MIMO双向中继系统线性预编码算法#br#

针对配置两个通信节点的多输入多输出双向中继系统,提出一种基于不完全信道状态信息的预编码设计方案,该方案综合考虑信道估计误差与信道反馈延迟的情况。在中继发射功率受限的条件下,以最小均方误差为准则设计以预编码矩阵为变量的优化问题,提出矩阵分解和联合迭代两种线性预编码算法。矩阵分解法通过矩阵分解推导得到中继矩阵的闭式解;联合迭代法利用迭代算法交替迭代来联合优化预编码矩阵和接收端处理矩阵,直到算法收敛数。仿真结果表明,随着信噪比由0到25 dB逐渐增大,与现有方案相比,矩阵分解法能有效地降低系统的误比特率,联合迭代法能获得最佳的系统性能提升。     

两阶段流水车间成组调度问题的迭代贪婪算法

针对两阶段流水车间成组调度问题，在同时考虑序列不相关准备时间和阶段间双向运输时间约束的情况下，以最小化最大完工时间为目标建立了混合整数线性规划模型，结合问题特征提出一种协同进化迭代贪婪算法.算法将工件组间排序和各工件组内工件间排序两个子问题进行统一编码，设计了不同的启发式规则产生问题的初始解，并提出一种协同导向迭代贪婪规则对两个子问题进行联合优化，进而给出了问题的三个下界以评估算法的性能.通过不同规模的数据实验和与对比算法的比较分析，验证了所提算法的高效性和稳健性.     

基于松弛策略解半无限规划模型的修正算法

对于一类线性半无限规划问题给出一种我们称之为修正算法的一种新算法.算法采用松弛策略使得满足一定条件的新割面（相当于一个约束）在每一步迭代时被找到.修正算法的主要改进是避免了每一步迭代寻找全局极小解,或者在每一步迭代中去检验δ（xk）是否为极小值.最后,基于提出的修正算法,并与传统割平面方法、普通离散方法对同一问题作了初步的数值比较实验.     

基于网络逆系统的迭代学习初始控制量确定

鉴于初始控制量对迭代学习控制(ILC)算法收敛速度及跟踪精度的重要影响,为保证ILC算法对任意期望轨迹的跟踪性能,提出了一种基于小波神经网络(WNN)逆系统的ILC初始控制量确定方法.首先分析了研究对象的可逆性,在此基础上建立了对象的WNN逆模型,然后根据该逆模型求得任意期望轨迹下的网络输出,捋其作为ILC算法的理想初始控制量进行迭代学习.仿真结果表明,新算法辅助的ILC能利用先前的控制经验,在面临新的期望轨迹时能有效减少迭代次数,提高跟踪精度.     

全节点空间MPI同步通信死锁检测

针对全节点空间上MPI同步通信程序死锁检测的现有穷举方法的弱点,提出了该场景中MPI程序的两种参数化模型:一次参数化模型和二次参数化模型.通过分析一次参数化模型的一类不变式的性质,给出了该模型的死锁检测算法.提出了同构节点空间的一系列概念和性质并由此设计出该算法的几种优化方法,以加快某些特定程序模型死锁检测的过程.仿真实验表明该算法及其优化方法比现有方法的性能提高若干数量级.     

高光谱图像修复算法的自适应稀疏编码实现

针对高光谱图像(hyperspectral images,HSI)中缺损像元及条带影响图像后续处理及应用的问题,应用稀疏表示理论,将HSI修复问题建模为不完整观测下的信号稀疏重建问题,提出自适应稀疏编码实现的HSI修复算法。首先,对加性噪声假设下的HSI观测模型进行研究。然后,通过引入基于随机近似的在线学习优化方法,提出新的从高光谱数据中直接构造字典的算法,从而获取光谱字典。之后,应用变量分解和增广拉格朗日稀疏回归方法对图像进行稀疏编码求解。最后通过稀疏重构求得修复后的HSI。实验结果表明,相对于现有算法,在不同噪声条件下,所提算法均能够更有效地修复缺损的HSI,且与其他字典学习类修复算法相比计算耗时更短。     

一种改进的基于样本块的图像修补方法

图像修补技术一直被广泛地用于重建旧照片和移除一些在图片背景中不想要的物体。提出了一种新的图像修补方法,该方法基于样本的图像修补思想。我们的方法通过合理的信心度和数据条件的计算方法改进了图像修补的有效性和增强图像中线性结构扩散。因此,用本方法进行图像修补时,能有效地避免其他算法共同存在的"垃圾物"的生成问题。实验结果表明,与其他类似方法相比,本方法能够得到更令人满意的视觉效果。     

基于改进的SVM学习算法及其在信用评分中的应用

对于处理大规模问题的信用评分方法除要求达到一定的准确率之外,其速度、可解释性、简洁性等性能也非常重要. 借鉴SMO的思想, 首先提出一个基于三变量的改进的SVM学习算法, 即将SVM问题分解为一系列含有三个变量的二次规划子问题,其优点是所求的相应松弛子问题都有解析解,使得该方法能够更加精确和快速地逼近最优解;其次将新算法应用于信用评分问题,在UCI机器学习库中的三个公共数据集上的数值试验表明了新方法的有效性:不仅节省了模型的计算代价, 而且还提高了分类精度.     

设备具有恶化特性的多目标流水车间调度模型与算法

考虑到现实流水车间调度中设备具有恶化特性,针对作业处理时间是其开始时间的线性递增函数的流水车间调度问题,建立了最小化最大完成时间和总延迟时间的多目标优化模型;进而设计了一种基于分解的自适应多种群多目标遗传算法进行求解.该算法将多目标优化问题分解为多个单目标子问题,并分阶段地将这些子问题引入求解过程.在每次迭代时,根据种群在目标空间和解空间的分布情况,自适应地为当前求解的子问题分别构造子种群进行求解.通过对数值算例仿真实验,验证和分析了所提出的算法在解决该问题上能够获得较好质量和分布性的非支配解集.     

基于配载约束的配送优化问题及其求解算法

车辆配载与配送是两个相互联系与相互影响的子问题,考虑了货物的易损性、装载的稳定性、物品不可倒置、车辆平衡性、先下后装等配载约束,构建了车辆配载与配送联合优化的混合整数规划模型,基于问题自身的特点开发了由配载启发式算法和基于节约值的蚁群算法有机结合的交互式混合算法,采用基准实验问题(benchmarkproblems)进行了一系列对比试验,结果显示了所提出的模型及算法的有效性与实用性.     

基于无容量限制的p-枢纽中位问题的随机优化

在枢纽网络设计时, 未来的成本和需求等参数具有不确定性. 为了使设计的网络能在各种情景下具有最优的期望成本, 提出了无容量限制的多分配严格p-枢纽中位随机优化模型. 考虑到模型本身的结构特点和复杂程度, 采用了PH分解算法结合增广拉格朗日松弛算法, 将原问题转化为若干个独立子问题来求解. 使用了基于经典算例的随机数据集合对模型和算法进行了测试, 算例结果表明尤其在情景数量较大的情况下, 算法体现出较高的效率. 同时, 通过随机解价值分析了使用随机优化模型对于该算例的意义.     

基于张量投票的激光扫描数据修复方法

考虑到张量投票技术能够提供图像的几何结构信息,提出一种基于张量投票的激光扫描数据修复方法。首先根据张量投票技术,建立图像修复优先级,进而根据窗口内有效像素和无效像素的比例,用迭代的方法修复具有最大优先权的待修复像素。由于窗口自动选取,因而这种方法具有良好的实用性。实验结果表明,与常用方法相比,所提算法具有良好的修复效果。     

模型与实际有差异时非线性大工业过程递阶优化控制算法

针对实际非线性离散系统与它的模型之间的差异，提出了一种基于模型优化控制问题来求解实际问题最优解的递阶算法，该算法通过上级的关联预测和参数估计与下级的修正的基于模型优化子问题的迭代问题，总可以获得实际非线性离散大系统最优控制．并行计算可以节省计算时间．分析了该算法的收敛性和最优性．仿真例子说明该算法的特色．     

利用图象序列来重建高分辨率图象

在许多应用中,需要细节很丰富的图象.但是仅仅通过硬件设备(CCDs),通常得不到这样的高分辨率图象.所以要用图象处理的方法来重构一个高分辨率图象其中的一个做法就是通过一个低分辨率的图象序列来重构高分辨率图象.其中要解决的两个问题是图象序列中图象的配准及重建.本文给出了一种基于曲面拟合的图象配准重建算法来解决这个问题.试验结果验证了该方法的有效性.     

融合纹理信息的深度图像修复

针对低质量深度图像中存在的空洞和噪声问题,提出了融合纹理信息的深度图像修复算法。首先利用形态学操作对空洞进行优化,基于区域的分割算法完成空洞区域分割;然后将提取出的空洞区域进行纹理信息填补,分析空洞区域与同场景彩色图像的局部结构相似性,完成空洞初修复;最后利用灰度级图像重建算法,对边缘空洞区域进行填充和平滑处理。基于标准数据集Middlebury,所提算法与快速行进算法、自适应中值滤波算法和形态学重建算法相比,对大面积空洞信息完成了良好的修复。在获得较好修复效果的同时,该算法保持了图像的结构完整性和整体平滑性。