TSVD正则化方法的参数选取及数值计算

对于求解不适定问题的TSVD正则化方法,给出了能达到渐进最优阶的正则参数的后验选取法．从数值实现角度看,TSVD正则化方法是求解不适定问题的十分有效的方法．     

求解不适定问题的多参数正则化方法

本文将求解不适定问题的Ｔｉｋｈｏｎｏｖ正则化方法推广到带有多个正则参数的情形，对于泛函Ｍ＾α〔ｚ，ｖ，Ａ〕＝ρ＾２（Ａｚ，ｖ）＋α１Ω〔ｚ〕＋α２Ω２〔ｚ〕＋…＋αＮΩＮ〔ｚ〕其中α＝（α１，α２，…，αＮ），证明了对任意给定的一组正则参数αｉ〉０（ｉ＝１，２，…，Ｎ），其泛函的极小元存在；以及在正则参数的选取满足一定条件下，泛函的极小元对数据的扰动具有连续依赖性。     

一类抛物型方程逆时反演的正则化方法

在文献[9]的基础上,采用修正泛函含有一个导数的项作为惩罚项,这样保证方程的解具有一定的光滑性。为了克服反问题的不适定性,利用正则化思想,把原问题分解为一系列适定的正问题和一个病态线性代数方程组。利用无条件稳定的Crank-Nicolson有限差分格式求解正问题和用截断奇异值分解法求解病态线性方程组。数值结果验证了正则化方法的可行性和有效性。     

一种选取线性不适定问题正则化参数的迭代算法

考虑利用Tikhonov正则化方法求解线性不适定问题。基于吸收Morozov相容性原理,提出了一种新的选取正则化参数的迭代算法。该算法简单易实现且具有全局收敛性。给出了算法的收敛性分析,并通过数值算例说明了其数值有效性。     

用Tikhonov正则化方法同时反演对流扩散方程的对流速度和源函数

在给定两个附加观测数据的条件下, 本文基于Tikhonov正则化方法研究了对流扩散方程的对流速度和源函数的同时反演问题. 鉴于原问题是一个初始值非零的对流扩散方程, 本文通过将初始值转化为源项得到了一个组合源项, 首先将原问题转化为一个具有齐次条件的对流扩散问题. 由于所得问题是不适定的, 本文进而利用Tikhonov正则化方法构建了相应的极小化目标泛函, 得到了问题最优解的存在性和所满足的必要条件. 最后, 对终端时刻较小的特殊情形, 本文证明了最优解的唯一性和稳定性.     

边界约束正则化下的双网格迭代方法

由不适定问题离散化得到的大规模不适定线性方程组的正则化过程可通过对解加一个上界约束转化为有约束条件的最小值问题.为有效求解此类问题,考虑用双网格迭代方法求解转化得到的对称正定线性方程组.试验问题的数值结果表明,双网格迭代方法求解正则化后的对称正定线性方程组效果很好.     

边界约束正则化下的双网格迭代方法

由不适定问题离散化得到的大规模不适定线性方程组的正则化过程可通过对解加一个上界约束转化为有约束条件的最小值问题。为有效求解此类问题，考虑用双网格迭代方法求解转化得到的对称正定线性方程组。试验问题的数值结果表明，双网格迭代方法求解正则化后的对称正定线性方程组效果很好。     

二维时间反向热传导问题的正则化方法及误差估计

讨论二维时间反向热传导问题，从终值时刻t=T(T>0)的温度分布来反演初始时刻的温度分布.该问题在图像处理方面有重要应用.这是一个严重不适定问题，它的解在一定条件下不连续依赖于数据.针对传统正则化方法的缺陷，采用拟逆正则化方法和分数次Tikhonov正则化方法恢复解对数据的依赖性.同时，还给出2种方法相应的先验参数选取规则及其正则解与精确解的误差估计.     

GMRES(m)算法在离散不适定问题中的应用

基于投影方法的规划算法——Krylov子空间技术,研究了离散不适定正则化和Krylov子空间广义极小残余算法(GMRES(m))的基本理论,特别是残余向量与Krylov子空间的关系。利用离散不适定正则化方法,将不适定问题转化为适定问题,利用广义极小残余算法对此适定问题进行数值求解。数值结果表明该算法是可靠和有效的。     

基于遗传算法获取正则参数的一种新方法

研究了正则化方法中正则参数的选择问题,提出了利用遗传算法获取正则参数的一种新方法。大量的数值模拟结果表明:该方法在处理大规模不适定问题时具有一定的优越性,是一种实用有效的方法。     

解非线性不适定问题的一种正则化方法

研究了在实Hilbert空间中,求解非线性不适定问题的方法．通过对修正的三阶牛顿法进行Tikhonov正则化,得到新的迭代格式．在适当的条件下选取正则化参数,应用广义偏差准则,得出该迭代格式是单调的且是收敛性的．结果表明此迭代格式可应用于求解非线性不适定问题．     

构造正则化滤子来探讨不适定问题的求解方法

应用紧算子的奇异系统理论,构造一种新的正则化滤子,给出求解不适定问题的新的正则化方法,并讨论了正则化解的误差估计.     

离散正则方法在一维热传导方程寻源反问题中的应用

热传导方程寻源反问题具有不适定性.应用离散正则化方法即用一族与原问题相邻近的适定问题的解去逼近原问题的解,来克服这种不适定性.以一维热传导方程为例,对离散正则化方法进行了阐述,并进行了数值模拟.结果表明离散正则化方法的数值模拟结果与真实结果之间的误差较小,并且随着离散密度的增加,误差越来越小.这种方法避免引入泛函,使用起来较方便,可作为解决热传导方程寻源反问题的有效方法.     

解非线性不适定问题的一种正则化方法

研究了在实Hilbert空间中,求解非线性不适定问题的方法.通过对修正的三阶牛顿法进行Tikhonov正则化,得到新的迭代格式.在适当的条件下选取正则化参数,应用广义偏差准则,得出该迭代格式是单调的且是收敛性的.结果表明,此迭代格式可应用于求解非线性不适定问题.     

算子非精确条件下确定正则化参数的一种方法

基于非标准的广义偏差原则,在算子及观测数据都有扰动的条件下,对于求解不适定问题的Tik-honov正则化方法,给出了一种选取正则化参数的简单迭代算法,并阐明了该迭代算法是一种线性模型函数算法.进一步地,利用线性模型函数方法,在一定条件下证明了所提出的选取正则化参数的简单迭代算法是收敛的,并通过数值算例验证了该方法的有效性.     

Fourier级数的数值反演

本文考察了Fourier级数的反演问题的不适定性,并依据吉洪诺夫的正则化思想,采用异于吉洪诺夫所提供的正则化方法,通过对级数部分和数的限制,构造了相应的正则算子,进而给出解这类不适定问题的一个数值计算方法。其优点在于避免了。吉洪诺夫所用方法中对解的光滑性条件的要求;易在机器上实现,并具有较高的精度。     

非标准热传导方程的热源识别反问题

探论一类含对流项的热传导方程的只含有空间变量的热源识别反问题.这类问题是不适定的,即问题的解不连续依赖于测量数据.利用简化的Tikhonov正则化方法,得到问题的一个正则近似解,并且给出正则解和精确解之间具有Hlder型的误差估计.     

一种TIKHONOV正则化方法的收敛性和浅海海洋声波散射的远场性质

Ｃ．Ｗ．Ｇｒｏｔｅｓｃｈ发展了解不适定问题的Ｔｉｋｈｏｎｏｖ正则化方法,引入了微分算子Ｄ,从而在新的函数空间及其范数下,给出了这种正则化方法的收敛性结果．本文给出了这种正则化方法的收敛速度的估计．Ｒ．Ｐ．Ｇｉｌｂｅｒｔ研究了Ｄｉｒｉｃｈｌｅｔ边界条件下有限深度海洋中调和声波的性质．本文在Ｇｉｌｂｅｒｔ研究工作的基础上,探讨了Ｎｅｕｍａｎｎ边界下有关调和声波的稠密性和投影定理．     

一种快速收敛的迭代正则化方法

对于线性不适定问题, 基于Landweber迭代正则化方法 提出一种快速收敛的迭代正则化方法, 依据Morozov偏差原理, 采用后验选取正则化参数的方法得到了最优渐近收敛阶的正则化解. 数值实验结果表明, 该方法可以加快收敛速度, 降低计算量.     

非齐次热传导方程逆时问题的一种正则化方法

考虑了一类非齐次热传导方程的逆时问题,它是个典型的不适定问题．通过将方程的非齐次项和T时刻的温度场u（x,T）作Fourier展开,构造出正则化的近似问题,从而获得原逆时问题的正则化解,并给出了正则化解的稳定性估计和收敛性估计．最后,用数值例子说明该正则化方法是可行的．