高维数据挖掘中的正则化估计新方法

针对高维数据的特点并基于线性回归模型,利用变量选择降维技术,提出了一种新的、有效的变量选择（或称特征提取）的正则化估计方法．新的正则化估计方法主要考虑了数据的噪声（方差）对正则化估计的影响,在寻找估计的正则化路径时能对方差进行有效估计,且基于凸优化问题的KKT条件和坐标算法思想给出了正则化估计算法的实施细节．实验结果表明,该方法能够提高高维数据集进行估计和变量选择的准确性,是高维数据挖掘中新的、有效的特征提取方法．     

基于L曲线方法的Lasso正则化参数选择

大数据背景下,基于罚函数的正则化方法是高维数据变量选择的重要方法.Lasso估计是常用的变量选择方法,而Lasso正则化参数的取值直接影响选择模型的性能,是正则化方法成败的关键.针对Lasso估计,提出一种新的L曲线(LC)准则选择正则化参数.数值模拟和实际应用表明:相比CV,GCV,BIC等准则,LC准则能够以较高的...     

一种基于流形正则化的半监督人脸识别方法

在基于流形正则化的框架下提出了一种半监督学习算法(MLapRLS)并将其用于人脸识别.首先构建所有样本的最近邻图来估计数据空间的几何结构,并对多变量线性回归的目标函数增加该流形正则化项,得到针对多类问题的MLapRLS.该方法能充分利用少量有标签样本和大量易于获取的无标签样本来帮助学习以提取有效特征.在Extended YaleB和CMU PIE人脸数据库上的实验结果证明了该方法的有效性.     

基于L-曲线正则化的MAP超分辨率图像复原

提出一种基于L 曲线正则化参数选择方法的最大后验 概率超分辨率图像复原算法. 该方法将最大后验概率估计和L-曲线正则化参数选择方法相结合, 可以有效地减少和去除复原图像中的噪声, 提高图像复原质量, 并具有较好的超分辨率复原能力.     

基于自适应频率选择的鲁棒时延估计算法

为了增强相位变换加权广义互相关方法(GCC-PHAT)这一常用时延估计方法对噪声的鲁棒性,提出了一种基于频率自适应选择的改进算法.该算法利用较短的语音数据(32ms)估计出每个频率的协方差矩阵,从而计算出每个频率的信噪比(SNR),然后自适应地选择SNR较大的频率用于时延估计.仿真实验结果表明,不论是在中等混响(混响时间T60=0.3s)还是在强混响(T60=0.6s)条件下,相对于GCC-PHAT方法,该算法对噪声的鲁棒性更强.     

一维带噪声均值数据函数重构的二阶导数正则化方法

针对一维带噪声均值数据的函数重构问题,构造了一个新型正则化方法.该方法正则化项由函数二阶导数导出.通过证明目标泛函严格凸证明了该方法的存在惟一性,再利用Banach空间的最优化理论和分部积分技巧的解可用4次样条函数表示,通过样条函数性质和插值函数构造给出近似解L2模意义下的误差估计及具体算法.     

Poisson方程未知源识别的拟边界正则化方法

探讨了半带型区域上二维Poisson方程只含有一个空间变量的未知源识别反问题.这类问题是不适定的,即问题的解(如果存在)不连续依赖于测量数据.利用拟边界正则化方法,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ler型误差估计.数值实验表明拟边界正则化方法对于这种未知源识别反问题是非常有效的.     

基于ROMP算法的人脸识别

针对用传统方法进行人脸识别的识别率不够高的问题,本文在人脸识别中采用正则化正交匹配追踪算法(ROMP),并把其与基于NN,匹配追踪(MP),正交匹配追踪(OMP)的人脸识别算法进行了对比.该算法能一次从冗余字典中选取多个原子,并能够通过正则化准则对选取的原子进行再次筛选,获得最优的原子.实验结果表明,在不同特征提取方法和训练样本数改变的情况下,基于ROMP的人脸识别算法的识别率优于其他算法.     

基于附加噪声预测器UKF的摄像机标定算法

由于环境等因素影响摄像机拍摄过程中存在可变噪声,针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法无法处理未知噪声的问题,设计了一种基于附加噪声预测器UKF的摄像机标定算法.首先,对传统UKF算法进行改进,引入噪声估计器并用极大后验估计求取次优解,解决未知可变情况下的噪声问题.然后,利用该改进UKF算法对摄像机进行标定,实现了标定精度的有效提高.实验结果显示该算法在有效保证滤波收敛性的同时,显著提高了滤波和摄像机的标定精度,由此推断基于附加噪声预测器UKF的摄像机标定算法是可行高效的.     

SC-FDE系统中一种改进的MMSE-RISIC均衡算法

单载波频域均衡(SC-FDE)系统中的最小均方误差残留码间干扰消除(MMSE-RISIC)均衡算法对最小均方误差(MMSE)均衡后的残留码间干扰(RISI)进行了估计并消除,但判决数据中仍存在噪声干扰,而且RISI估计的偏差会造成额外干扰,影响了均衡的精度。为此详细分析了MMSE-RISIC算法存在的问题,并针对帧结构基于特殊字(UW)的SC-FDE系统提出一种改进的MMSE-RISIC均衡算法,该算法增加了噪声预测模块,利用UW估计噪声和数据估计噪声的相关性,由UW噪声预测和抵消MMSE-RISIC均衡后数据的噪声,由此RISI的估计精度也会提高。最后利用我国华北地区300km的9径散射链路参数进行仿真,结果表明:改进的MMSE-RISIC均衡算法在低信噪比(SNR)下相比MMSE-RISIC均衡算法误码率(BER)有所降低,当BER为10-3时SNR大约有2dB的性能增益。