广义条件梯度法求解非线性elastic-net正则化

研究非线性不适定算子方程的求解问题,并且构造了一种用来求解带有罚项约束的非线性elastic-net正则化的迭代算法.这种算法的目的主要是将广义条件梯度算法的方法推广到带有罚项约束的非线性的正则化问题中,进而去构造出一种用于解决elastic-net正则化问题的软阈值迭代算法,并且也给出了这种算法的收敛性的证明.该方法放宽了原来的广义条件梯度方法所需的紧集条件.     

多参数正则化求解带有脉冲噪声的稀疏反问题

带有L_1模拟项的稀疏正则化其正则化项以及罚项均为不可微的,这使得该问题难于求解.采用多参数正则化方法,对带有L_1罚项的稀疏正则化泛函添加L_2罚项,通过对偶方法将原不可微问题转化为光滑约束问题,并进一步讨论了多参数正则化的收敛速度.提出对偶投影算法求解光滑约束问题.最后通过数值算例验证理论结果.     

Morozov偏差原则在具有凸罚项的非线性不适定问题中的应用

研究具有一般凸罚项的非线性不适定算子方程A(x)=y的Tikhonov正则化的Morozov偏差原则.若非线性算子A满足非线性条件‖A(x₂)-A(x₁)-A′(x₁)(x₂-x₁)‖_Y≤γ‖A(x₂)-A(x₁)‖_Y,则存在正则化参数α,使得Morozov偏差原则δ≤‖A(x_α^δ)-y^δ‖_Y≤max{τδ,(3+2γ)δ}成立，在此基础上证明正则化解的收敛性，建立正则化解在Bregman距离下的收敛速度.     

含有一个Carlman位移和两个平移的奇异积分方程的直接解法

本文讨论了含有一个carlman位移和两个平移的混合型奇异积分方程的求解问题，其中a，b，c．d，e为复常数且满足正则条件△=a2 d2-b2-b2-C2≠Or(t)=-t＋δ．δ∈R，g（t）∈A．，要求解g（t）∈H，在△≠0时，本文得到下面结论：1．著Imα，Imβ。‖C‖≤‖D‖≤1则（10在H0中有唯一解．2．若Imα，Imβ，同号，刚当‖C‖＋‖D‖＜1时，方程（1）H0在中有唯一解．     

一类联合最大特征值函数优化问题

非光滑凸优化问题是运筹学的一类重要问题.束方法作为解决非光滑凸优化问题最有效的方法之一,已经被广泛地应用于各个领域.运用束方法对最大特征值函数与一般非光滑凸函数之和的优化问题进行研究.首先,对目标函数进行近似;其次,给出求解此类优化问题的带有罚项的束方法算法;最后,通过收敛性分析证明了算法产生的序列会收敛到原问题的最优解.     

严格α_2-对角占优M-矩阵A的‖A~(-1)‖_∞的上界估计

针对严格α_2-对角占优M-矩阵A的‖A~(-1)‖_∞的上界估计问题,利用矩阵A的元素和矩阵分裂方法,将矩阵A分裂为严格对角占优M-矩阵B和非负对角矩阵G的差,进而利用已有的严格对角占优M-矩阵逆的无穷范数的估计式,给出矩阵B的‖B~(-1)‖_∞的上界估计Γ(B),此时若Γ(B)与G的最大对角线元的乘积小于1,则可得到‖A~(-1)‖_∞的上界。通过数值算例对所获结果进行验证,表明本方法是可行的。     

基于不同分组稀疏先验的降噪方法

稀疏组Lasso已经被证明是一种强大的回归技术,可以通过使用两层不同分组稀疏正则同时发现不同组的稀疏特性.但是在大量的应用中,由于正则项的复杂性给计算带来了巨大的挑战.针对多层不同分组稀疏的组Lasso提出了一种合理有效的方法,称为DGDN-OGS算法.把信号处理中的信号看作为样本或者特征进行不同的交叠稀疏分组,然后将多个不同的交叠稀疏分组分别编码成正则项,最后再利用Proximal映射及MM算法的框架进行迭代求解,这也说明了该方法可以应用到信号降噪领域当中.此外,该求解方法避免了之前方法中需求解对偶问题的最优解所带来的困难,并对算法的收敛性进行了分析,说明了所提出方法的合理性.     

l_q稀疏正则化理论及其在热传导反问题中的应用

lq(0q≤1)稀疏正则化在实际应用领域已经得到了广泛的应用。在信号处理领域,简单的迭代算法能够得到满意的重构结果,但是,针对较为复杂的偏微分方程反演问题,利用这些算法进行反演往往很难达到最佳的重构效果。将已有的迭代算法进行改进,并将其应用到热传导反演问题中,通过和标准的吉洪诺夫正则化方法进行比较,说明lq稀疏正则化方法和改进的迭代算法的优点。     

有限元法的一致超收敛估计

本文针对二维Dirichlet问题得到二次元的一致超收敛估计,作为第一步,我们得到如下估计: |α(u-u~I,φ~I)|≤Ch~4‖u‖_(4,p)‖φ‖_(2,p′),■φ∈W_p′~2∩H_0~1其中S~h(Ω)被定义在强正规网格上,(1/p)+(1/p′)=1     

二维双相介质波动方程反演的共轭梯度法

针对二维双相介质波动方程反问题,将大范围收敛的同伦方法与求解大规模优化问题的共轭梯度法有机结合,并引入求解不适定问题的Tikhonov正则化方法,构造出正则化-同伦-共轭梯度法.数值实验结果表明了该方法能有效地处理非线性的、不适定的地震勘探反演问题.     

非线性反问题求解的参数微分正则化方法

讨论了非线性反问题的求解问题,将具有大范围收敛特性的同伦方法引入到非线性反问题的求解之中,籍此克服非线性反问题常规求解过程中局部收敛的缺陷;结合吉洪诺夫正则化方法,以解决计算Frechet导数时病态的问题.在此基础上,提出了一种用于求解非线性反问题的参数微分正则化方法,给出其构造过程,并且证明了参数微分正则化方法解的存在性和收敛性.     

正则化-同伦方法用于电阻抗断层成像

电阻抗断层成像问题本质上是一个非线性、不适定反问题,必须进行正则化处理.基于Tikhonov正则化方法,结合大范围收敛的同伦方法,设计Tikhonov正则化-同伦方法,旨在克服传统重构算法(如Newton类算法等)的局部收敛性,解决初值难以有效选取的难题.针对电阻抗断层成像的图像重建仿真试验,结果表明该方法的有效性与全...     

多模块稀疏投影在密集场景目标跟踪中的应用

提出了一种包含随机运动的复杂密集场景下的目标跟踪方法. 在跟踪算法中,将稀疏模型与多模块彩色特征相结合,并通过将其转化为l1正则化最小二乘问题实现对特征的稀疏投影. 跟踪过程中利用粒子滤波得到预测跟踪点,并将对应于最小投影差的预测点模块作为最优跟踪. 为适应特征变化,在跟踪完成后根据新的跟踪结果自动更新目标模板. 大量包含遮挡和光照变化的不同类型密集场景测试验证了该方法的有效性,与其他算法的比较说明了其优良性能.     

Maxwell方程反问题的小波-微分正则化算法

构造了一种求解Maxwell方程反问题的小波-微分正则化混合反演算法。利用小波将反问题分解到不同尺度上,在最大尺度上采用微分正则化方法求得次级尺度的初始解,在其它尺度上进行迭代修正以获得全局最小点。算法结合了小波多尺度反演和微分正则化方法的优点,数值模拟说明了其较强的全局搜索能力。     

图像正则化扩散行为及统一处理框架

PDE的图像正则化是一种基于扩散思想的非线性滤波方法,是解决降噪、伪影去除、结构增强等底层视觉问题的最有效方法之一,目前针对此类算法的统一分析框架还较为少见。基于3种典型PDE正则化算法的扩散行为,提出了一种基于扩散张量的图像正则化算法分析框架,对于此类算法的分析、开发和拓展具有重要意义,最后通过实验验证了框架的有效性。     

求解非线性不适定问题的正则化同伦方法

基于同伦方法的思想,设计了一种求解非线性不适定问题的全局收敛的方法-正则化同伦方法,研究了方法的正则化性质,以及全局极小点对正则参数的连续依赖性.     

一类非线性自治系统的定性分析

研究一类非线性自治系统x=x（α-bx^α）-cyc^β，y=y（-d＋cex^β）的平衡点的性态，证明了当bk^α/β〈α〈1＋α-β/1-β bkα/β时系统正平衡解的全局稳定性，当A1〉1＋α-β/1-β A2时系统极限环的存在性与唯一性．     

基于局部加权低秩先验的高光谱稀疏解混方法

为了充分挖掘丰度系数的内在本质属性，提升高光谱图像稀疏解混精度，提出一种基于局部加权低秩先验的稀疏解混方法.该低秩先验主要基于这一事实：高光谱图像中的局部立方体块具有较高的相空间关性和光谱相关性.加权的低秩先验能够挖掘局部块内在的低维结构特征，有效地抑制噪声，保持数据的细节结构.该先验联合全变差正则项、协同稀疏正则项，能够更好地刻画丰度系数的细节结构、局部平滑性以及行稀疏性.利用模拟数据和真实高光谱数据进行的实验表明，所提方法与现有方法相比能够更好地保持数据的细节信息，提升解混精度.     

平均非扩张映射的不动点性质

讨论了Banach空间X的弱紧凸子集K到自身的映射T的不动点问题,其中‖Tx-Ty‖=a‖x-y‖ b‖x-Tx‖ c‖x-Ty‖,(A)x,y∈K,a,b,c≥0,a b c≤1. 得到若Garcia-Falst几何系数R(X)<2/1 2b c,则映射T具有不动点.     

二值图像恢复的一个非线性正则化方法

二值图像恢复往往按灰度图像恢复和闽值分割两步来处理,效果不佳.该文利用二值图像的特有性质,提出一种二值图像恢复的非线性正则化方法.同Tikhonov正则化方法不同,该文提出的方法最终归结为一个非线性最优化问题,并采用全局Barzilai和Borwein梯度算法求解此优化问题.实验结果表明.该文的二值图像恢复算法足可行的、有效的.