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．     

基于正则化方法的多元数据拟合问题

考虑了多元数据拟合过程中的不适定问题,采用Tikhonov正则化方法,在最小化泛函中引入正则化泛函解决整个辨识过程中的不适定问题,并且利用贝叶斯正则化方法迭代计算正则化参数及方程解。最后,通过数值模拟验证方法的有效性。     

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。     

截断奇异值分解的生物发光断层成像重建问题

目的 研究生物发光断层成像重建问题的求解方法,通过生物体表面检测到的光学信号准确、稳定地重建出生物体内部荧光光源的分布.方法 将截断奇异值分解TSVD正则化技术用于已知光源可行区域的生物发光断层成像逆问题求解中,并利用广义交叉验证法结合一维搜索来选择合适的正则化参数.结果 数值仿真表明,TSVD法可以快速有效地进行单光源和双光源的重建.结论 TSVD方法在BLT重建中是可行和有效的,与常用的Tikhonor正则化方法相比,TSVD法的抗噪性能更好,重建时间也较少,且正则化参数的选取及调整更为方便.     

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.     

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.     

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。     

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。     

典则TSVD方法的有效数值实现

典则TSVD方法是求解线性不适定问题的一种很好的正则化方法.在串行模式下,采用了求特征值的二分法结合求特征向量的反迭代法和分而治之法两种不同方法来数值实现典则TSVD方法,并对两种方法分别求典则TSVD解所需的时间进行了比较,说明二分法结合反迭代法能更有效地数值实现典则TSVD方法.     

病态问题解算的直接正则化方法比较

为了解算病态问题,需正确选择适合的正则化方法,为此分析了截断奇异值法和Tikhonov正则化方法的异同点.在此基础上,阐述了L曲线法和GCV法确定最优正则化参数的基本原理.通过数值算例分析表明:截断奇异值法和Tikhonov法可以有效消除观测方程的病态性；利用L曲线法和GCV法不仅可以对Tikhonov方法中的连续正则...     

近场声全息正则化方法比较

为了正确选择正则化方法,在基于边界元方法的近场声全息理论基础上,分析了截断奇异值法和Tikhonov正则化方法的异同点,阐述了通过曲率求解L曲线拐角点的基本原理,并将L曲线准则和广义交叉检验法应用于截断奇异值正则化方法最优截断点的选取．通过数值仿真表明,利用L曲线最大曲率点可以有效地确定L曲线最优正则化参数位置;在基于边界元法的共形平面近场声全息中,当信噪比为60dB时,4种组合正则化方法在l000Hz频率点处分辨距离能达到42mm最后,比较研究了4种组合正则化方法的重构精度和稳健性．     

求解线性逆问题的谱共轭梯度法

针对线性逆问题,把原问题的算子方程转化为带有Tikhonov正则项的无约束优化问题,提出一个求解线性逆问题的新谱共轭梯度法,并证明算法的全局收敛性.数值结果表明,新算法是有效的.     

基于RBF和TSVD正则化求解泊松方程

针对泊松方程的数值解,提出了一种基于截断奇异值分解(TSVD)的正则化和径向基函数(RBF)的改进的无网格方法.由于通过RBF拟合方程所产生的系数矩阵经常是病态的,TSVD正则化方法可以改善RBF无网格方法而获得更精确的数值解,与传统的RBF方法相比能够获得更好的数值结果,而且通过选择恰当的径向基函数,也能够提高数值解的精度.     

基于混合正则化的最小二乘三维电阻率反演成像

基于经典Tikhonov正则化(classical Tikhonov regularization)的最小二乘反演是三维电阻率反演的主要方法。对于电阻率分片连续的地质体,由于光滑反演解的光滑性使得目标区域与背景区域间边界模糊,不能很好地体现异常体的形态信息和位置信息,成像效果不好。将总变分正则化(total variation regularization)与经典Tikhonov正则化结合,提出混合正则化反演方法,通过模型分析比较经典Tikhonov正则化、TV正则化、混合正则化在反演结果上的不同,证明了引入混合正则化约束的最小二乘反演既保持了经典Tikhonov正则化方法解的稳定性,又具有TV正则化方法解的保边缘性,有效地改善了三维电阻率成像效果。最后将混合正则化的反演方法应用到实际工程,验证了该方法的有效性和实用性。     

基于方向信息测度的非局部正则化图像去噪方法

针对非局部正则化在图像去噪过程中计算复杂度高、复原速度慢的问题,基于方向信息测度提出了改进的非局部正则化方法.在图像的边缘轮廓区域使用保边性能较好的非局部正则化方法,而在图像的平坦区域使用各向异性全变差模型,且该全变差模型由基于Bregman迭代正则化方法的快速迭代算法进行求解.实验结果表明:基于方向信息测度的非局部正则化方法在快速消除图像噪声的同时,能有效地保留图像的边缘和纹理等结构信息.     

基于模型函数与L-曲线的正则化参数选取方法

基于模型函数方法与修正的L-曲线准则,给出了选取正则化参数的1种迭代算法。在一定条件下,证明了所提出的选取正则化参数的算法是局部收敛的,通过数值算例验证了该方法的局部有效性。     

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.     

变分不等式证明正则化的线性不适定问题

学习过线性不适定问题正则化以后,发现关于Bregman距离的线性收敛率的证明,是在古典假设的一个标准原条件下推导出来的.利用变分不等式,我们将在文章中讨论一阶收敛率的情况,即残差法、偏差原则的Tikhonov正则化.