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。     

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...     

基于L曲线法的电容层析成像正则化参数优化

电容层析成像（ECT）系统的不适定性问题严重影响重建图像质量，为此必须减小灵敏度矩阵的争件数．以Tjkhonov正则化和后验策略为基础，从灵敏度矩阵广义逆的角度阐述了L曲线法并设置滤波函数，建立极小化泛函及L曲线图，最终确定正则参数．仿真实验表明，L曲线法具有较强的抗噪声性能和较快的收敛速度，明显改善了ECT系统的重构图像质量．     

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.     

基于正则化的SPACE-RIP并行磁共振成像重建算法

采用并行磁共振成像可以提高成像速度和图像分辨率,但这是以牺牲重建图像的信噪比为代价的。为此,该文提出了一种基于正则化的并行磁共振成像重建算法,降低由于阵列线圈的几何相关而造成的信噪比损失。以预扫描图像作为最后重建图像的先验信息,用L曲线方法求解最佳正则化参数。实验表明,该方法能较大限度地减弱噪声对重建结果的影响,当SPACE-RIP并行成像技术的加速因子达到4时,仍可得到高质量的高分辨率重建影像。重建后的图像质量良好,对临床诊断具有较高实用价值。     

基于正则化的SPACE-RIP并行磁共振成像重建算法

采用并行磁共振成像可以提高成像速度和图像分辨率,但这是以牺牲重建图像的信噪比为代价的。为此,该文提出了一种基于正则化的并行磁共振成像重建算法,降低由于阵列线圈的几何相关而造成的信噪比损失。以预扫描图像作为最后重建图像的先验信息,用L曲线方法求解最佳正则化参数。实验表明,该方法能较大限度地减弱噪声对重建结果的影响,当SPACE-RIP并行成像技术的加速因子达到4时,仍可得到高质量的高分辨率重建影像。重建后的图像质量良好,对临床诊断具有较高实用价值。     

一种改进的正则化空域图像复原新方法

图像复原技术主要是针对降质模糊的图像,其最终目的是改善给定图像的图像质量.在原有正则化空域图像复原方法的基础上,根据人的视觉系统的特点,提出了一种改进的自适应正则化空域图像复原的新方法,针对各像素点所处的不同图像区域类型分别选取不同的拟和项参数和正则化项参数,通过计算各图像像素点的局部方差来确定该像素点的拟和项和正则化项的参数值.实验结果表明,该方法不仅提高了图像复原的质量,同时也没有影响代价函数收敛的速度.     

基于高斯核的正则化策略

以正则化思想为基础,介绍了基于高斯核来构造正则算子的方法,使其对噪音进行过滤,并证明了类似于正则化方法中选择参数的偏差原理.     

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.     

基于正则化因子与稳定因子的大地电磁反演研究

地球物理反问题存在多解性和不稳定性,正则化是得到稳定解的重要手段。正则化方法中稳定因子的设计与正则化因子的选择是两项重要研究内容。以大地电磁测深法为例,研究了正则化因子的\"L\"曲线法自动选择算法;针对不同的稳定因子,研究了稳定因子的特点及稳定因子内部参数的选择原则。研究工作为大地电磁反演提供支持。     

基于最小支持的2.5维直流电阻率正则化反演研究

地球物理反问题存在多解性和不稳定性,正则化是得到稳定解的重要手段之一,正则化方法中稳定因子的设计与正则化因子的选择是两项重要研究内容.稳定因子的主要功能是对模型的解空间进行限制,以减少多解性,求得稳定解;为更好的定位地下目标体,研究工作采用了最小支持稳定因子,并给出了统一表达形式.正则化因子在模型误差与数据误差之间起到平衡作用,研究工作在“L曲线法”自动选取正则化因子的基础上,提出一种修正的计算正则化因子算法.以2.5维直流电阻率为例,运用非线性共轭梯度法,进行了试算研究,结果表明了修正的“L曲线法”算法快速、稳定,最小支持稳定因子具有较好的聚焦特性,有利于实现陡变边界反演.     

TSVD正则化方法的参数选取及数值计算

对于求解不适定问题的TSVD正则化方法,给出了能达到渐进最优阶的正则参数的后验选取法．从数值实现角度看,TSVD正则化方法是求解不适定问题的十分有效的方法．     

求解非线性反问题的King-Werner法

介绍了用修正King-Wemer法求非线性不适定问题的解法,且证明了此迭代格式的良好定义,以及利用偏差原理证明其正则性.     

基于PSO的一类线性系统参数辨识方法研究

研究了一种线性系统的参数精确辨识方法;首先采用PSO(Particle Swarm Optimization,粒子群优化)方法对模型进行优化迭代,并选择合适误差准则作为粒子群优化算法的适应度函数,以迭代每个粒子所对应的参数速度和大小;在此基础上,寻找最小适应度值的粒子,推导出最优的适应度函数值,实现系统参数的实时、精确估计;最后通过实验验证了基于粒子群优化算法的参数辨识法的准确性和有效性。     

Fisher准则函数在油水层识别上的运用

由于苏德尔特油田兴安岭群储层具有岩性多样性、储层孔隙复杂、测井参数确定难等特点,常规的油水层识别图版(如AC-Rt交会图)很难准确地识别油水层。运用Fisher准则函数将GR、DEN、AC三个测井参数拟合成一个参数F,由此建立该地区油水层识别的F-Rt交会图。研究表明,此方法对该地区油水层的识别符合率较高,简单快捷,结果直观,值得推广运用。