激光自混合干涉技术中两种不同形式功率谱密度反演颗粒粒度分布的比较

激光自混合干涉技术中颗粒粒度分布反演属于病态问题.为了得到较好的颗粒粒度分布,采用Chahine算法作为非负算法,分别对激光自混合干涉线性和对数形式的功率谱密度进行颗粒粒度分布的反演,比较了两种功率谱密度对应的颗粒粒度分布,并且采用Morrison迭代算法平滑Chahine算法的初始向量,减缓了颗粒粒度分布的振动.仿真结果表明对数形式的功率谱密度反演所得的颗粒粒度分布具有更好的抗噪声能力和稳定性.     

非负约束全变差正则化方法在动态光散射颗粒粒度分布反演中的应用

将非负约束全变差正则化方法应用于颗粒粒度分布反演,并用固定点迭代法求解所构造的非线性最优化问题.模拟结果表明,在无噪声或加入0.01的噪声的情况下,全变差正则化均能较好地反演出单峰和双峰分布.通过对150nm的标准聚苯乙烯乳胶颗粒和由60nm与200nm组成的混合颗粒的反演验证了算法的性能.     

利用Phillips-Twomey方法对核磁共振弛豫测量结果的反演及其效果分析

为解决横向弛豫时间多指数反演所面临的反演不适定性和非负约束的问题,利用在反演理论中解决不适定性问题常用的Phillips-Twomey光滑化方法反演横向弛豫时间,并给出了一种实现非负约束的方法.通过与常用的反演算法进行对比,发现Phillips-Twomey光滑化方法更适用于低信噪比反演.考察了Phillips-Twomey光滑化方法对信噪比的敏感程度,研究横向弛豫时间布点数、原始回波采集个数、回波串采集时间间隔等因素对反演结果的影响.研究表明Phillips-Twomey光滑化方法适用于横向弛豫时间的多指数反演,且容易实现非负约束,对信噪比要求比较低.     

改进人工鱼群算法在气溶胶粒径分布反演中的应用

基于光谱消光法,利用一种改进的人工鱼群算法(improved artificial fish school algorithm,IAFSA)反演单峰和双峰气溶胶粒子粒径分布。其中,正问题的求解采用反常衍射近似(anomalous diffraction approximation,ADA)和Lambert-Beer定律。研究结果表明:相对标准人工鱼群算法而言,IAFSA能很好地避免出现后期收敛速度慢、精度低等问题。在非独立模型下反演气溶胶粒径分布时,IAFSA算法体现出很好的收敛精确度和鲁棒性。在非独立模型下,IAFSA算法可用于反演实际测量得到的哈尔滨地区气溶胶粒径分布。     

基于分布估计算法的非负矩阵分解

非负矩阵分解问题可以转化为一个约束优化问题,因此可以依靠最优化领域的相关算法进行求解.提出一种基于分布估计算法求解非负矩阵分解问题的新算法,并将算法应用于两个非负矩阵分解的数值算例,与非负矩阵分解基准算法进行比较,证实了算法的可行性和优越性.     

一种实用快速非负矩阵分解算法

提出了一种基于快速非负矩阵分解算法的实用新算法.该实用快速非负矩阵分解算法扩展了快速非负矩阵分解算法的约束条件,并且保持了较高的收敛速度,更具一般性和实用性.然后对该新算法进行了一些稀疏非负矩阵分解的扩展应用.数值实验显示该实用快速非负矩阵分解算法和快速非负矩阵分解算法具有相近的收敛速度,与其他经典非负矩阵分解算法相比其收敛速度有明显的提高,同时对添加稀疏性约束条件的实验也有很好的效果.     

非负线性最小二乘问题的一种严格可行内点算法

给出了非负线性最小二乘问题的一个新算法.首先,把非负线性最小二乘转化为线性互补问题,结合牛顿方向和中心路径方向,通过求解一个线性方程组得到搜索方向;进而获得了求解非负线性最小二乘问题的一种严格可行内点算法,并证明该算法经过多项式次迭代之后收敛到原问题的一个最优解,数值实验表明此方法是有效的.     

基于Chahine算法的动态光散射颗粒粒度反演

采用Chahine算法,在噪声水平分别为0、10-5、10-4、10-3条件下,分别对91nm、253nm和636nm三种单峰分布颗粒的动态光散射数据进行了粒度分布反演.结果表明,在无噪声情况下,对于单峰分布颗粒的粒度分布,通过反演能够得到理想的反演结果.随着噪声水平的增高,反演效果逐渐变差.在同样噪声水平下,随着颗粒粒径的增大,对噪声环境提出更为苛刻的测量要求.因此,Chahine算法适用于噪声较低时的动态光散射颗粒粒度分布反演,尤其适用于单峰分布情况下的中、小颗粒粒度分布的反演.     

一种自适应非负矩阵分解算法

首先, 通过引入自适应策略, 提出一种基于梯度下降自适应策略的非负矩阵分解算法. 其次, 通过比较重构非负矩阵的距离度量并自适应调节分解, 解决了传统非负矩阵分解方法在求解过程引入的随机性和基向量数目问题, 且该算法生成的基向量更具代表性. 最后, 以对吉林大学某学院本科生成绩进行分析和验证为例考察算法的有效性. 实验结果表明, 自适应非负矩阵分解方法重构矩阵较传统非负矩阵方法的鲁棒性更好, 并将错误率降低20.16%.     

组稀疏非负矩阵分解及其识别和聚类应用

在非负矩阵分解算法的基础上,设计了组稀疏约束,并给出了组稀疏非负矩阵分解算法.首先,介绍了非负矩阵分解算法及其稀疏变体;其次,设计了组稀疏非负矩阵分解,推导出迭代规则,并证明了算法的收敛性;最后,将组稀疏非负矩阵算法应用于人脸识别和聚类中,得到了同类算法中较好的效果.     

非负矩阵分解算法在遥感图像融合中的应用

研究了非负矩阵分解(NMF)方法在遥感图像融合中的几种应用.在多光谱图像与全色图像融合的过程中,采用了非负矩阵分解融合算法,非负矩阵分解与主成分结合(N_PCA)的融合算法,非负矩阵分解与提升小波变换结合的融合算法,通过对各融合图像的目视判定及统计参数判定,分析评价这些算法在遥感图像融合中的性能差异.研究实验证明非负矩阵分解算法应用于遥感图像融合处理,具有较好的融合效果,非负矩阵分解算法,非负矩阵分解与主成分结合的融合算法,非负矩阵分解与提升小波变换结合的融合算法在遥感图像融合中的性能优于传统的主成分融合算法(PCA),其中,非负矩阵分解与提升小波变换结合的融合算法的性能最为优异.     

双重约束非负矩阵分解与改进正交匹配追踪算法的语音增强

针对非负矩阵分解算法实现语音增强效果不理想的问题,提出了一种双重约束非负矩阵分解结合改进正交匹配追踪算法的语音增强方法.采用时间约束及稀疏度约束的双重约束方式改进非负矩阵分解算法,使得分解后的数据更能反映出语音特征.通过改进正交匹配追踪算法提升重构精度,并结合语音信号在时频域的分布特征,引入低通滤波器进一步平滑重构后的...     

基于矩阵型惯性投影神经网络的非负矩阵分解算法

提出一种基于矩阵型神经动力学优化的非负矩阵分解算法.将矩阵非负分解优化问题首先转换为两个矩阵变量凸优化子问题，针对其子问题分别提出矩阵型惯性投影神经网络；然后，采用交替迭代方案寻找矩阵非负分解优化问题的解.理论分析证明了矩阵型惯性投影神经网络能收敛于矩阵变量凸优化子问题的最优解，并且基于矩阵型神经网络的交替迭代算法可以收敛到矩阵非负分解优化问题的偏最优解.最后，所提出的基于矩阵型神经网络的交替迭代算法被有效地应用于人脸识别.     

基于奇异值分解的核磁共振T2谱反演研究

在介绍奇异值分解的基本原理基础上,实现了基于奇异值分解的核磁共振T2谱反演。给出了T2谱反演的线性方程组,并利用奇异值分解法求解该线性方程组的解。此SVD法能够获得连续性较好的反演T2谱,算法较稳定,收敛性好,非负约束条件容易实现。反演T2谱与构造T2谱吻合性较高。且由NMR实验室反演效果可知,该方法可以应用于实验室岩心的T2谱反演。     

基于两级多支持度的非频繁项集挖掘方法

现有关联规则挖掘算法都是在频繁项集基础上进行挖掘,关于非频繁项集的资料很少.特别是在研究负关联规则后,非频繁项集因包含重要的负关联规则而变得非常重要.针对这一问题,在多支持度算法的基础上提出了一种新的算法模型,能够在挖掘频繁项集的同时得到非频繁项集,实验结果表明了该算法的有效性.     

线性不等式约束优化问题的强信赖域算法

对一类带有非负边界约束的线性不等式约束优化问题进行了研究,提出了一种新的信赖域算法.该算法在内点法的基础上,把非负边界约束从一般的不等式约束中分离出来,化为信赖域约束的一部分,得到一个简单易解的子问题.在一定的条件下证明了该算法具有强收敛性,并给出了数值结果.     

海洋水体颗粒有机碳遥感反演研究进展

海水颗粒有机碳(POC)对海洋碳循环以及调节CO_2影响下的全球气候变化具有重要意义.遥感技术是获取海水POC信息的重要方法,POC遥感监测与空间模式已成为海洋领域的热点科学问题.本文全面总结了国内外海洋颗粒有机碳遥感反演算法,包括一类和二类水体的表层和垂向POC浓度遥感反演,以及POC遥感获取方式分类、比较与分析.同时,本文对海洋颗粒有机碳遥感反演进行了展望,提出结合POC表层和垂向分布,建立近岸海域水体POC三维遥感模式.     

改进的非负矩阵因子分解算法在基因数据分析中的应用

提出一种改进的非负矩阵因子分解算法．在非负矩阵因子分解的迭代计算过程中加入了数据平滑处理来解决抖动问题,并用于一组白血病微阵列数据分析．实验结果表明,改进过的非负矩阵分解算法提高了分类的准确率,同时这个方法避免了NMF算法的“零值”问题．     

求解非线性互补问题的非单调算法

利用价值函数将非线性互补问题等价转化为带有非负约束的最优化问题,结合Gu N.Z.新的非单调搜索技术,提出新的求解非线性互补问题的非单调下降算法;并在适当的条件下,证明了算法的全局收敛性;用数值例子验证算法的有效性.     

核磁共振T2谱优化反演方法

将核磁共振T2谱反演问题转化为求目标函数极小值的优化问题,建立新的易于实现T2谱非负约束的优化反演模型,然后利用共轭梯度算法解决上述反演问题。将该方法应用于无噪声理论回波数据、信噪比SNR=25的理论回波数据以及岩心NMR实验数据反演并与构造谱及实验室国外软件反演结果对比表明,无噪声理论回波数据反演的T2谱与构造谱几乎完全符合;信噪比SNR=25时反演的T2谱和构造谱符合得很好;岩心反演的T2谱与实验室国外软件反演的T2谱符合得很好,利用反演结果计算的孔隙度与实验室氦孔隙度绝对误差为0.65%。因此,该方法是一种有效和实用的核磁共振T2谱反演方法,具有较强的抗噪能力,能够应用于生产和科研。