删除单个样本情况下学习算法稳定性分析

给出了在样本集中删除一个元素后广义学习算法的稳定性定义.在此定义下,给出了算法广义界的估计.     

线性约束优化问题拓广的广义梯度投影算法

在去掉非退货假设条件下，提出了求解线性约束的非线性最优化问题的一个拓广的广义梯度投影算法，并在广义Armijo步长探索下证明了算法的全局收敛性质。     

Alpha稳定分布噪声下MPSK信号调制识别算法研究

针对Alpha稳定分布噪声中信号四次方谱失效的问题,提出了广义四次方谱的概念,在此基础上研究了基于广义四次方谱的多进制相移键控(M-ary Phase Shift Keying,MPSK)信号调制识别算法.首先分析了待识别信号的广义四次方谱,然后提取广义四次方谱中二倍载频和四倍载频处的谱线作为特征参数,最后通过判断谱线是否被冲击来实现信号的分类.仿真结果表明,这种算法在Alpha稳定分布噪声下的性能优于基于四次方谱的算法,且该算法在高斯噪声下也具有良好的性能.     

修正的HS共轭梯度算法的全局收敛性

对求解无约束优化问题的共轭梯度法中的方向参数给定新的区间取法,将HS共轭梯度参数限制在此区间上,保证搜索方向是目标函数的充分下降方向,在此基础上提出了修正HS共轭梯度算法(MHS),并在较弱的条件下讨论了新算法在广义Armijo步长搜索下的全局收敛性.数值试验结果表明,新算法比广义Armijo步长搜索下的FR、PR、HS共轭梯度算法有效.     

广义混合变分不等式的weak-sharp解及算法的有限收敛

提出广义混合变分不等式问题的解集满足的weak-sharp条件,并通过约束集的支撑函数的一些性质,获得weak-sharp条件的等价刻画.在广义混合变分不等式问题的解集满足weak-sharp条件之下,还获得任意迭代算法有限收敛的等价条件,其中有限收敛指算法在有限次迭代后,得到广义混合变分不等式问题的精确解.最后,以广义混合变分不等式问题的超投影近似点算法为特例,在一定的条件下,获得该算法的有限收敛性.     

分裂广义均衡问题及其收敛算法

在Hilbert空间中引入分裂广义均衡问题(SGEP),构造了3种迭代算法来解决该类问题.并且证明了算法在适当的条件下,迭代序列弱收敛或强收敛于分裂广义均衡问题的解.     

最优化问题广义投影下的广义次可行方向算法

利用广义投影技术和次可行方向法思想建立了非线性等式与不等式约束最优化问题的一个算法，它采用广义投影代替了传统的转轴运算，而且广义投影阵只由ε－积极约束函数的梯度产生，对于不等式约束的辅助优化问题，该算法是一个次可行方向类算法，称之为广义次可行方向法，算法在较弱的条件下具有全局收敛性。     

文化鱼群算法的广义MUSIC测向技术

针对现有的测向算法测相干信号源会损失天线阵列孔径的问题,在引入广义导向矢量和广义导向矩阵的基础上,建立了一种通用的阵列数据模型,提出了一种基于四阶累积量的广义MUSIC测向算法。为求解所提的广义MUSIC测向算法,在文化算法中使用人工鱼群进化机制,引入了一种多维搜索的文化鱼群算法。仿真结果证明了所设计的测向算法在不损失四阶累积量所扩展阵列孔径的情形下,可有效测相干信源与独立信源的方向,与现有一些经典算法相比,所提算法有较大的优势和较广的应用范围。     

广义混合隐拟变分不等式解的算法

利用广义混合隐拟变分不等式与隐预解等式等价的关系,提出了解广义混合隐拟变分不等式的几种新的算法,并且证明了在伪单调算子的条件下新算法的收敛性.     

广义几何规划一个超线性与二次收敛算法

建立带等式与不等式约束的广义几何规划一个新的快速收敛算法,算法的搜索方向由一个二次规划和一个线性方程组的解产生,效益函数为广义精确罚函数．在适当的条件下证明了算法的全局收敛性、超线性收敛性与二次收敛率．     

一般约束问题的广义摄动梯度投影算法

讨论带不等式和等式约束优化问题,提出了求解非线性规划问题的广义摄动梯度投影算法。考虑到计算的误差因素,在搜索方向上进行摄动,得到一个方向不精确的广义梯度投影法。避免了转轴运算,使计算量大为减少,并证明了算法的全局收敛性。     

解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术 ,将求解无约束规划的超记忆梯度算法推广 ,建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法 ,并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点 ,并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。     

基于最小自由能法的理想气相反应平衡新算法

针对目前采用最小自由能法计算理想气相反应平衡问题存在的不足,提出了梯度投影拉格朗日算法。算法中,采用了弱收敛准则作为梯度投影法的收敛标准,并从数学上证明了梯度投影法采用弱收敛条件的合理性和算法的收敛性,基于此,将梯度投影法的计算结果作为牛顿法计算拉格朗日乘数法的计算初值,同时对牛顿法的迭代步长进行了改进,从而解决了牛顿法计算初值选取困难的问题,提高了算法的稳健性和计算速度。算例计算结果表明,该算法的收敛速度快且计算精度高。     

线性约束规划的一个广义梯度投影法

讨论一般线性约束非线性规划，通过广义投影技术建立了一个全局收敛的可行方向法。算法不需要作任何转轴运算。     

非线性约束条件下一个收敛的梯度投影法

本文提出了一个非线性约束条件下新的梯度投影方法。在较简单的假设之下,此算法是全局收敛的,且和现有的非线性约束条件下的一些梯度投影法相比较为简单。     

一个改进的梯度投影法

本文给出一个求解线性约束的非线性规划问题的梯度投影法,方法的方向构造及整个算法均较从前的各梯度投影方法简单,且在较弱的假设条件及三种非精确线搜索下,证明了方法的收敛性。     

非线性规划含三个参数的一族梯度投影法

利用偏斜梯度给出非线性不等式约束规划的含３个参数的一族梯度投影法．证明了方法的全局收敛性，并分析了算法族的几个有价值的特例．     

线性约束优化问题的共轭梯度型算法及其收敛性

将共轭梯度法与广义投影技术相结合，给出了一个求解带线性等式、不等式约束优化问题的共轭梯度型算法，证明了算法的性质及全局敛性，首次将共轭梯度法推广应用于求解带约束条件的优化问题。     

基于自一致性的磁共振并行成像高效重构算法

磁共振并行成像技术能够显著地减少成像时间,然而高质量的图像重构比较困难.为了提高重构图像的质量,基于自一致性的SPIRiT框架,提出了一种高效的重构算法.该算法针对一个含有数据一致性、校准一致性和联合稀疏性正则项的复杂优化问题,首先将该问题简化成一般性最优化问题;再使用算子分离算法将其分解成一个梯度计算问题和一个可通过软阈值法求解的去噪问题;最后,再使用加速方案对算法进行加速.实验结果表明,当加速因子为8时,采用所提出的新算法的重构图像比采用POCS算法的重构图像的SNR提高约2.4,dB,且重构时间也节约了约30%.对于要求高质量重构图像的场合,所提出的算法能够满足需求.     

基于随机梯度上升和球面投影的通用对抗攻击方法

在面向样本集的通用对抗攻击中，导致多数样本输出错误的通用扰动设计是研究关键.本文以典型卷积神经网络为研究对象，对现有通用扰动生成算法进行总结，提出采用批量随机梯度上升训练策略和球面投影搜索策略相结合的通用扰动生成算法.算法的每次迭代计算，首先从样本集中抽取小批量样本，采用随机梯度上升策略计算出使损失函数值下降的通用对抗扰动，然后将通用扰动投影到半径为ε的高维球面上，从而缩小通用扰动的搜索空间.算法还引入了正则化技术以改善通用扰动的生成质量.实验结果证明该算法与基线算法对比，攻击成功率显著提升，通用扰动的求解效率提高约30倍.