流形正则化多核模型的模糊红外目标提取

针对模糊边缘的红外目标提取问题,提出一种基于流形正则化多核半监督分类的提取方法。首先应用最大类间方差法计算初始分割阈值,获得确定化的目标和背景区域以及待确定化的模糊边缘区域;然后建立各区域内像素点邻域空间集,并通过多核函数特征映射获得邻域空间中灰度均值和方差信息特征值,通过流形正则获得邻域空间中位置信息特征值;在特征值基础上,建立半监督分类模型对模糊边缘区域像素点邻域空间集进行类别划分;最后计算最佳分割阈值。对比实验结果表明,该方法提取模糊边缘红外目标效果好且运算效率高。     

基于拉普拉斯正则化概率主元分析的故障检测

概率主元分析(PPCA)及其扩展方法用于过程监测时,只提取了过程数据的全局特征,并未考虑数据的局部结构.当数据的流形结构复杂时,传统的全局建模方法难以获得准确的预测效果.提出了一种基于拉普拉斯正则化的概率主成分(LapPPCA)模型,将数据的流形结构引入到传统概率模型的似然函数中,使得LapPPCA能够同时提出数据的全局和局部特性.同时提出了基于LapPPCA的过程监测模型,并在田纳西-伊斯曼(TE)过程上验证了该方法的有效性.     

多孔隙介质参数识别的正则化模拟退火法

针对二维多孔隙介质波动方程的参数孔隙率的识别问题,考虑模拟退火法的全局收敛特性,结合求解不适定问题的Tikhonov正则化方法,构造出正则化模拟退火算法.数值实验的结果表明此算法能够有效地处理参数识别问题.     

基于Newmark-β的ICAA正则化参数选取方法

传统的L曲线法在使用的时候常常不容易获得准确的正则化参数,基于此,提出了一种基于Newmark-β的反算-对比-调整-逼近(inverse computation-contrast-adjustment-approach, ICAA)正则化参数选取方法.该算法相比传统的L曲线法使用起来更加直观、简便,并且计算耗费的时间更短、效率更高.通过一个四自由度系统的仿真算例和一个悬臂梁的实验验证了本算法的有效性,并把本算法的载荷识别结果与L曲线法的载荷识别结果进行了对比.结果表明:该算法相比L曲线法不仅在计算效率方面有显著优势,而且利用前者的正则化参数进行载荷识别,计算精度更高.     

基于信噪比的正则化方法及其在GPS快速定位中的应用

本文针对GPS快速定位中设计阵病态性的特点,提出了一种新的正则化方法.该方法首先利用参数LS估计的信噪比提取了各个参数是否受到复共线性严重危害的信息,从而在一定程度上揭示了设计阵复共线性结构的特征.然后针对复共线性的特征,以信噪比为依据构造正则化矩阵,以极小化均方误差为目标选取正则化参数,提出了基于信噪比的正则化方法（SNR）.最后进行的数值试验表明,本文提出的SNR方法较好地利用了复共线性特征的信息,处理病态问题针对性更强,解算效果更佳.     

基于Spark的地震数据重建方法的并行化

地震勘探技术发展早已进入TB(terabytes)级数据时代，并逐步迈向PB(petabytes)级。为提升海量数据处理效率，将地震数据处理算法进行并行化是一种广泛采用的手段。但是一些复杂度较高的算法，诸如地震数据重建类方法等，并行化难度较大，加速效果不理想。Spark作为一种面向大数据处理的通用分布式并行计算技术，可以应用于并可简化地震数据处理算法并行化过程。借助于Spark的优势，通过两个实例讨论了基于Spark的地震数据重建并行化方法，提出了对于具有复杂输入输出组织数据方式的算法的并行化方法，提升了算法效率。研究成果为该类算法的Spark并行化开发提供了有益借鉴。     

一个不适定问题的频域对称截断正则化方法

如下问题　　　　　　ut+ux=uxxu(1,t) =g(t)u(x,0 ) =0　　0≤ x<∞　 0 相似文献   

污染物一维非恒定扩散逆过程反问题的数值求解

河流中污染物扩散逆过程反问题的解在通常意义下是不适定的。把此反问题转化为第一类Fredholm积分方程，并利用Tikhonov正则化方法给出了一种反演算法。数值模拟结果表明，该方法具有稳定性好、精度高的优点，可应用于河流水质的控制和规划。     

矿床体视化的一种空间规则体数据生成方法

系统地论述了矿床体视化过程中由原始采样数据生成空间规则体数据的实现方法,分析了能够形成地矿体空间体数据的主要插值方法的优缺点,在充分考虑矿石品位的空间相关性和变异性的前提下,利用Shepard法实现了空间体数据的生成.     

利用基于内容的网格模型进行图像恢复

将基于内容的自适应三角形网格模型这种图像表达方法应用于图像恢复.在图像恢复过程中,首先提取图像的特征图,并利用Floyd-S teinberg算法和Delaunay三角化算法产生网格,用来表达图像;然后利用正则化方法对网格节点的灰度值进行迭代,从而恢复该节点的灰度值;最后利用已恢复的网格节点对像素点进行Lagrange插值,从而得到恢复后的图像.该方法能对含有噪声的图像进行有效地恢复,试验证明较有约束最小二乘方法性能更好.