基于空间自适应正则化的超分辨率重建算法

针对模糊图像的复原问题,从正则化技术克服问题病态性的思想出发,研究了一种有效的超分辨率重建算法。该算法充分考虑了图像的局部特性,引入了空间自适应加权矩阵,采用全局正则化参数与局部正则化参数矩阵相结合的方法,弥补了传统正则化方法所带来的正则化误差以及噪声放大误差。实验结果表明,该算法能够有效地减少重建误差,保护图像的细节信息。     

基于Tikhonov和变差正则化的磁感应断层成像重建算法

为了解决磁感应断层成像(MIT)逆问题的病态性和改善重建图像的质量,提出一种新的组合算法.该组合算法首先利用Tikhonov正则化算法对解的适定性产生初步的成像区域,之后再利用变差正则化算法对解的保边缘性和锐化作用进行图像重建.该组合算法与Tikhonov正则化算法及变差正则化算法相比,不仅有效地克服了磁感应断层成像(...     

基于l_1与l_0正则化的压缩感知数值算法

针对压缩感知模型,讨论了基于l0正则化的正交匹配追踪算法(OMP)与基于l1正则化的同伦算法(HM)和迭代加权最小二乘法(IRLS).通过数值实验结果分析,验证了3种算法的有效性,且相对于2种基于l1正则化的算法,OMP算法的迭代次数与耗时更少,均方误差更小.     

一种压缩感知中的改进的正则化牛顿算法

提出了一种新的压缩感知重构算法——正则化牛顿算法.该算法结合了牛顿法重建效果好和正则化正交匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)收敛速度快的优点.并且在此基础上,针对原有的正则化过程进行了改进.Madab仿真结果表明,文中提出的算法在重构精度上要高于正交匹配追踪(Orthogonal Matching Pursuit,OMP)和正则化正交匹配追踪(ROMP),而在迭代次数和重构时间上要低于牛顿法和正交匹配追踪(OMP).     

基于弱相关抽样的系数正则化的一致性分析

针对满足强混合条件的弱相关抽样,且α系数满足多项式衰减αi≤ai-t的情形,利用样本算子与积分算子的技巧,证明最小二乘系数正则化算法的一致性,并且得出在满足正则化条件LK-rfρ∈Lρ2X(X),0r≤21下的学习速度为o(m-2rmin{t,1}logm)。同时得出了基于弱相关抽样的系数正则化算法的饱和指数为2,说明与通常的最小二乘Tikhonov正则化算法相比,系数正则化算法在学习光滑函数时具有一定的优势。     

ROMP的正则化分析研究

正则化正交匹配追踪(ROMP)算法通过引入正则化的方式提升重构过程的稳定性和速度。该算法在不同正则化参数值时,每次迭代均会选出多个能量值最大的位置索引数不同,导致重构算法的重构误差和运行速度不同。正则化参数常值被赋值为2,本文通过对ROMP的正则化过程进行分析,并在MATLAB上进行仿真,找出不同稀疏度的信号在不同信噪比下最佳的正则化参数值,以保证稳定性的情况下提升算法的速度。     

三维电阻抗成像中混合正则化算法

为解决三维电阻抗成像(electrical impedance tomography,EIT)逆问题的病态性和改善重建图像质量,在对比研究Tikhonov正则化和一步牛顿法(Newton’s one-step error reconstructor,NOSER)的基础上,提出基于这2种算法的混合正则化算法。采用归一化均方距离判据和归一化平均绝对距离判据,为判断重构图像和原始图像的差异提供一种量化的客观标准。仿真计算和物理模型实验结果表明：混合正则化算法与Tikhonov正则化、NOSER正则化相比,不仅降低了雅克比矩阵的条件数,使逆问题由病态转为良态,还提高了目标物体的空间分辨率,有效改善了图像质量。该混合正则化算法对三维EIT的图像重构是有效的、可靠的。     

基于模拟退火粒子群算法的MIT图像重建方法

为了改善逆问题病态性又能提高图像重建质量,提出了一种基于模拟退火粒子群算法的MIT图像重建方法.根据Hessian矩阵的维度,构建了一种Tikhonov和NOSER型混合多参数正则化算法.将模拟退火算法和粒子群算法进行组合,以广义交叉准则构建目标函数,进行正则化多参数寻优.结果表明,所提方法不仅有效克服了MIT重建图像数值解的不稳定性,增强了抗噪性能,而且所获得的重建图像的质量优于Tikhonov正则化和混合正则化算法,为MIT技术应用提供了理论参考.     

带限信号重建的一种新的代数正则化算法

基于 Tikhonov的正则化思想 ,提出了带限信号的一种新的代数正则化算法 .该算法计算复杂性较低 ,能够很好地抑制噪声干扰     

基于广义交叉检验的自适应约束最小二乘图像恢复

现有的图像恢复方法中有一部分需要正则化系数,而正则化系数估计的准确与否是决定恢复图像质量好坏的关键,为了能够自适应地恢复图像,研究了约束最小二乘算法的图像恢复问题,提出了应用广义交叉检验方法估计约束最小二乘算法中的正则化系数．实验结果证明,用该算法估计的正则化系数恢复图像质量更佳,速度比普通的迭代方法快,而且该最小乘图像恢复方法实现了图像自适应图像恢复．     

带L1规划的广义线性模型中的一种系数估计法

介绍了L1规划广义线性模型(GLM)的一种系数估计法,估计系数的同时进行变量选择,从而确立模型.事实上,此算法用来选择变量更有用.L1规划法按照对系数一范数的惩罚来选择变量,是向前选择变量法的一种改进,运用凸优化的预测—修正法,GLM系数估计法可有效地算出系数,其中规划参数的步长对控制系数精确性至关重要,本文对三种步长选择法作了相应的比较和分析,接着给出算法的推广,最后总结算法并且对这种估计法的应用范围进行了展望.     

求解P0-函数混合互补问题的正则化光滑牛顿算法

基于扰动的CHKS光滑MCP函数,提出了求解P0-函数混合互补问题的一种正则化的光滑方法.该算法中的正则参数和光滑参数都是彼此独立的变量,并且可以通过线性方程组的迭代很快得到.数值结果表明该算法是可行有效的     

无约束优化的非单调三次正则BB算法

先利用BB(Barzilai Borwein)类型参数构造目标函数Hessian矩阵的近似矩阵, 通过极小化当前迭代点处的三次正则化近似梯度模型求解试探步, 再结合非单调线搜索策略提出一个非单调三次正则BB算法, 最后给出算法的收敛性证明. 数值实验结果表明, 该算法数值性能良好.     

无约束优化的非单调三次正则BB算法

先利用BB(Barzilai Borwein)类型参数构造目标函数Hessian矩阵的近似矩阵, 通过极小化当前迭代点处的三次正则化近似梯度模型求解试探步, 再结合非单调线搜索策略提出一个非单调三次正则BB算法, 最后给出算法的收敛性证明. 数值实验结果表明, 该算法数值性能良好.     

高维数据挖掘中的正则化估计新方法

针对高维数据的特点并基于线性回归模型,利用变量选择降维技术,提出了一种新的、有效的变量选择（或称特征提取）的正则化估计方法．新的正则化估计方法主要考虑了数据的噪声（方差）对正则化估计的影响,在寻找估计的正则化路径时能对方差进行有效估计,且基于凸优化问题的KKT条件和坐标算法思想给出了正则化估计算法的实施细节．实验结果表明,该方法能够提高高维数据集进行估计和变量选择的准确性,是高维数据挖掘中新的、有效的特征提取方法．     

An iterative algorithm in potential—field inversion

The problem of potential-field inversion can be become that of solving system of linear eqautions by using of linear processing.There are a lot of algorithms for solving any system of linear equations,and the regularized method is one of the best algorithms .But there is a shortcoming in application with the regularized method,viz.the optimum regularized parameter must be determined by experience,so it is difficulty to obtain an optimum solution.In this paper,an iterative algorithm for solving any system of linear equations is discussed,and a sufficient and necessary condition of the algorithm convergence is presented and proved.The algorithm is convergent for any starting point,and the optimum solution can be obtained,in particular,there is no need to calculate the inverse matrix in the algorithm.The typical practical example shows the iterative algorithm is simple and practicable,and the inversion effect is better than that of regularized method.     

地图加权遗传算法的油井自动巡检机器人路径规划

针对油井巡检机器人与障碍物的接触率高,造成设备故障率高增加石油生产成本问题,提出基于地图加权的遗传算法。首先将地图进行栅格化,建立栅格地图模型,并进行加权设置。其次引入遗传算法模型进行路径规划,将每次路径规划结果存入染色体中并计算路径长度,最后筛选最大权值中的路径最短染色体,并绘制路线。在参数设定相同的条件下,采用基于地图加权的遗传算法、经典遗传算法进行比对实验,仿真结果表明,基于地图加权的遗传算法优先选择了不靠近障碍物的栅格的情况下完成了路径规划任务,机器人与障碍物的接触率下降了74.91%,时间和路程仅增加0.3179 s与32%。     

An iterative algorithm in potential-field inversion

1　Principle and MethodAll the problems of potential- field inversioncan be concluded that of solving nonlinear functionas follows:b =f( x) ( 1 )where x =( x1,x2 ,… .xn) T,xj( j =1 ,2 ,… ,n)indicate geometricparameters and physical parame-ters of the object;b=( b1,b2 ,… ,bm) T,bi( i=1 ,2 ,… ,m) indicate potential- field measurements.Main algorithms for expression( 1 ) are leastsquare method ( include damping least squaremethod ) ,gradient method ( conjugate gradientmethod and variable met…     

基于驱动参数建模的可行更改路径搜索和优选方法

为了解决产品设计更改中可行更改路径分析困难的问题,提出了一种基于驱动参数建模的可行更改路径搜索和优选方法.从集合论观点出发描述了产品中的更改传播现象;在传统产品参数建模的基础上构建产品驱动参数关联网络模型,并介绍了产品模型的预处理方法;引入深度优先搜索算法(Depth First Search,DFS)实现可行更改路径的搜索;提出了评价最优更改路径的指标和优选准则指导更改方案优选工作,采用多属性决策方法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)完成最优更改方案的优选;通过开发的原型系统,实例验证了该方法的可行性.     

基于动态参数蚁群算法的寻源导热反问题研究

基于蚁群优化算法,求解含有未知内热源位置的导热逆问题.通过分析计算表明:信息素启发因子、能见度启发因子、信息素挥发率等蚁群参数对蚁群选择路径以及路径上信息素浓度更新有直接影响,其取值最终会影响求解结果的准确性及收敛速度.在计算过程中,路径上的信息素浓度不断改变,蚂蚁选择路径也趋于集中,采用定值蚁群参数不能满足在整个计算过程中都具有良好的性能,为此提出了动态参数蚁群算法,并根据计算分析结果确定蚁群参数值随全局循环次数而变的动态函数.计算结果证明,采用动态参数蚁群算法能有效提高求解反问题的质量及收敛速度.