具有可分离结构的线性约束凸优化问题的迫近正则收缩算法

对具有可分离结构的线性约束凸优化问题(也就是目标函数是有2个算子和形式的可分离凸优化问题)展开研究,考虑在一定的假设条件下,通过选取合适的迫近正则参数矩阵G,拟利用可实现的迫近正则收缩法求解具有可分离结构的线性约束凸优化问题.将与原问题等价的变分不等式作为理论研究框架,通过将原问题转化为一系列容易求解的子问题,达到降低原问题求解难度的目的,下一个迭代点的获取通过求解子问题生成.最后,提出一种新的迫近正则收缩算法,并且应用变分不等式等相关理论对文中给出的迫近正则收缩算法进行了收敛性分析.     

求解非光滑问题的修正HS共轭梯度法

结合Moreau-Yosida正则化和非单调线搜索技术,提出一种求解非光滑问题的修正HS共轭梯度算法.推导出搜索方向自动满足充分下降条件,证明该算法在适当条件下具有全局收敛性.数值算例验证了该算法能够高效地处理非光滑极小化问题.     

求解不可微凸优化问题的充分下降共轭梯度法

给出求解不可微凸优化问题的一类具有充分下降条件的共轭梯度法.该类方法是基于Moreau-Yosida正则化策略和传统的共轭梯度法设计的.理论分析表明:该类方法在一定条件下是全局收敛的.     

一种求解大规模非光滑优化问题的共轭梯度法

针对大规模非光滑优化问题,利用Moreau-Yosida正则化技术和Armijo-type线搜索技术,设计了一种修正LS共轭梯度算法.算法的搜索方向不仅满足充分下降条件,而且具有信赖域性质.可以证明新算法在适当条件下全局收敛.初步的数值实验表明,新算法在求解大规模非光滑无约束凸优化问题方面比LMBM方法和MPRP方法更有效.     

单调线性互补问题基于新的核函数的大步校正内点算法

提出了单调线性互补问题基于新的核函数的大步校正内点算法.这个核函数是强凸的,而且它既不是自正则函数也不是经典的对数函数.基于这个核函数,可以定义新的迭代方向和邻近度量.利用这个新的核函数的一些性质,得到新算法的迭代复杂性为O（√n（logn）^2log（n/ε））,这减少了大步校正原始-对偶内点算法的实际计算效果与理论复杂性之间的差距.     

基于各向异性扩散的图像分割算法

提出了一种基于各向异性扩散的图像分割算法.对现有的各向异性扩散的正则化方法进行了分析.根据微分几何中共形映射的有关理论,把原扩散方程分解为关于表面曲率的二阶方程,给出了分解式的正则化条件,保证了解的稳定性.通过对扩散系数的调节,提高了对各向异性扩散过程的控制能力.在形态学分割的基础上,通过能量函数最小化实现非线性尺度空间中的区域合并,消除了分水岭算法造成的严重过分割现象.实验结果表明,该算法的分割结果可为后续识别和理解提供较理想的方式.     

求解非光滑优化问题的修正HS三项共轭梯度法

为了提高大规模非光滑优化问题的求解效率,克服其他方法存储需求大、算法复杂等缺点,提出求解非光滑优化问题的一种修正HS共轭梯度算法。在经典HS三项共轭梯度法的基础上提出一种新的搜索方向,并利用Moreau-Yosida正则化技术和Armijo-type线搜索技术进行设计。新算法满足充分下降条件,搜索方向属于信赖域,在适当条件下证明了新算法全局收敛。初步的数值实验表明新算法在求解非光滑无约束优化问题方面比LMBM方法更有效。新算法不仅具有较好的收敛性质,而且数值表现良好,为更加高效地求解非光滑优化问题提供了新的方法。     

L_(3/2)正则化图非负矩阵分解算法

基于图正则化非负矩阵分解算法(GNMF),提出一种基于凸光滑的L3/2范数正则化图非负矩阵分解算法.该算法用非负矩阵分解算法对数据进行低维非负分解时,根据流形学习的图框架理论,构建邻接矩阵保持数据局部几何结构,并对数据的低维表示特征进行凸光滑的L3/2范数稀疏性约束,在给出算法更新迭代规则的同时,从理论上证明了所给算法的收敛性.通过人脸数据库ORL、手写体数据库USPS和图像库COIL20的仿真实验表明,相对于非负矩阵分解算法及其基于稀疏表示的改进算法,所给算法均具有更高的聚类精度.     

正则与简单系统算法的优化

改进王东明提出的正则系统算法(简称RegSer算法)及简单系统算法(简称SimSer算法)的效率。提出新的分解策略: 对于任意多项式系统或多项式组［P,Q］,首先计算一组良好三角系统,得到［P,Q］的一种零点分解。其次判断每一良好系统是否是正则系统,若不是则将其正则化,即计算一组正则系统,给出该良好系统的零点分解。最后将每一正则系统简单化,即计算一组简单系统,给出该正则系统的零点分解,得到给定多项式系统或多项式组的简单分解。实验结果表明这种分解策略可以提高RegSer和SimSer算法的效率。     

用于电容层析成像技术的共轭梯度算法

针对电容层析成像技术中的“软场”效应和病定问题,基于灵敏度矩阵的奇异值分解理论,提出共轭梯度图像重建算法及其改进算法———正则化共轭梯度法.仿真实验得知:经过 200次迭代后,Landweber算法残差为0. 139 5,未加正则化的共轭梯度算法残差为 1. 357 7×10-4;完成同样操作,Landweber算法迭代耗时 9. 3s,共轭梯度法只需 6. 8s.可见,共轭梯度法是一种比其他的迭代算法收敛更快、成像效果更好的图像重建算法.