基于贝叶斯估计的小波图像去噪算法研究

利用拉普拉斯分布作为小波系数的分布模型,用贝叶斯最大后验概率估计法估计小波系数,给出了一种小波域自适应去噪算法.实验结果表明,本文算法与普通的软阈值法相比,可以获得更好的去噪效果.     

借贷利率不同的效用最大化投资组合比较

提出了允许卖空和不允许卖空2种情况下含有无风险资产且借贷利率不同的效用最大化的投资组合模型.在允许卖空情况下,运用拉格朗日乘数法和Sherman-morrison方程求出效用最大化投资组合的最优投资策略,并证明了其有效前沿与均值-方差投资组合的有效前沿相同.在不允许卖空情况下,运用不等式组的旋转算法进行求解.该算法避免了通常处理二次规划问题所需的松弛变量、剩余变量和人工变量,因而操作更为简便,计算效率也更高.最后,以1个具体例子比较2种模型,并得到以下结论：在2种情况下,风险偏好系数在整个取值范围内都能够较好地反映投资者对收益和风险的选择态度,而且含无风险资产的借贷拓展了投资机会空间.     

几何约束问题求解的方向可选指数进制步长优化算法

针对参数化设计中的复杂几何约束求解问题,提出1种可选指数进制变步长数值求解优化算法.在给定的优化目标下,采用指数进制变步长,对每个设计参数变量进行"前进、后退、保持一步"的方向选择式试探判断,即算法每迭代循环1次,误差以指数方式进行递减,变量则逐渐逼近先前设定的参数目标.利用该优化算法,求解相切圆填充和正二十面体优化2个经典的几何优化问题.研究结果表明:该算法稳定性强,收敛速度快,求解精度高并对初始值不敏感;该算法能够求解多变量复杂参数化设计问题,并不受优化变量个数的影响;利用方向可选指数变进制变步长优化算法能有效解决二维和三维空间内的参数化几何约束优化问题.     

公交线路选择的优化设计

讨论了人们乘坐公交车如何选择总行程时间最短、费用花费最少的最优线路.利用最短路算法Dijkstra方法引入0-1变量,引入了乘客对所需时间和费用的偏好系数λ1,λ2(λ1 λ2=1,λ1,λ2≥0),从而建立一个公交线路选择的多目标规划模型.     

非线性多组分色谱模型数值算法研究

构造了一种适合求解非线性多组分色谱模型的变步长迎风算法,空间网格分布基于解的关于空间变量的一阶导数大小和二阶导数大小的适当组合。对双组分非线性色谱的数学模型用所构造的算法进行了数值计算,并与等步长迎风格式的相应计算结果进行了比较,计算结果表明本文构造的变步长算法能够更好的模拟非线性色谱模型。     

应用同伦正则化算法反演二维溶质运移模型中的弥散系数

利用同伦正则化算法探讨了二维对流弥散方程的依赖空间变量的弥散系数反演问题.讨论了初始迭代值、数值微分步长、以及收敛精度对算法实现的影响.数值模拟表明,同伦正则化算法对于此类参数反演问题是一种有效的方法.     

大步长路径跟踪内点新算法

给出一种求解约束非线性规划问题的大步长路径跟踪内点新算法.首先,为克服内点法初始点选取的困难,通过引入辅助变量来构造原问题的等价问题;其次,构造一个新的关系不等式来证明算法的全局收敛性;最后,在此基础上设计一个新的大步长路径跟踪内点算法.该算法在有限步内能得到原问题的近似最优解,并且数值试验表明,该算法是可行的.      

基于动态蚁群算法的三维管路路径规划

针对蚁群算法应用于三维管路路径规划时运行时间长、搜索效率低等问题,提出一种动态蚁群算法.首先采用栅格法建立环境模型,建立了随建模空间和蚂蚁位置变化的动态启发信息;其次设置概率选择机制和动态步长机制.仿真试验结果表明,该算法有效减少了路径中直管弯头数量,管路铺设整齐,收敛速度提高,具有较强的全局寻优能力.     

一类解决极大极小值问题的学习步长算法

为了解决极大极小值问题,在现有的解决此类问题的几种算法下,提出了一类改进算法,即学习步长算法.新算法将原有算法的更新格式中当前梯度项和上一步梯度项的系数,即算法的步长自动地学习出来,并可以根据当前的目标函数动态地调整步长,而不需要手动选择步长.将新算法与现有的算法在函数集上做数值实验对比,新算法的性能表现比其他算法更好.实验结果表明,针对极大极小值问题,该学习步长算法是一种有效的改进算法.     

基于椭球等高分布混合模型的聚类方法

为解决有限混合分布模型的聚类分析中分量密度函数选择问题,通过研究广义多元分析理论,提出了基于椭球等高分布混合模型的聚类算法.首先,利用与正态分布有许多相似性质的椭球等高分布族来构造混合分布模型,并引入标签变量,将基于椭球等高分布混合模型的聚类转化为模型参数估计问题;然后,通过极大似然估计法和EM算法进行模型一般变量参数...     

基于 L1范数正则化的电压闪变信号检测算法

提出一种基于L1范数正则化的电压闪变信号检测算法.根据余弦函数的正交性特点,通过构造一个合适的目标函数,将基波信号检测转化为一个简单的数学优化问题.利用L1范数正则化的方法,建立从调制信号中恢复包络信号所需的优化方程.通过优化方程的求解,获得基波信号和闪变信号的检测估计.数值仿真信号和实测电压信号的检测结果表明,提出的算法能够准确有效地检测和提取信号的基波和包络分量,且有良好的抗噪性能.     

基于改进SAMP的频率捷变和PRI抖动雷达群目标检测

针对群目标场景下目标个数未知和网格失配影响稀疏重构效果的问题,提出一种改进的稀疏度自适应匹配追踪（sparsity adaptive matching pursuit,SAMP）算法用于频率捷变和脉冲重复间隔（pulse repetition interval,PRI）抖动雷达的动目标检测.改进算法回溯阶段的原子选择策略,通过正则化挑选出能量相近的原子进行网格失配矫正,可以有效减小重构误差、抑制重构伪峰.根据重构信号的功率变化率自适应扩展支撑集长度（群目标个数估值）,减少算法在同一步长的搜索时间.仿真结果表明,相比于SAMP算法和传统的群目标检测算法,本文改进的算法在提升重构效果的同时也能减小距离和速度测量误差.     

A Modified Extended Bayesian Method for Parameter Estimation

This paper presents a modified extended Bayesian method for parameter estimation. In this method the mean value of the a priori estimation is taken from the values of the estimated parameters in the previous iteration step. In this way, the parameter covariance matrix can be automatically updated during the estimation procedure, thereby avoiding the selection of an empirical parameter. Because the extended Bayesian method can be regarded as a Tikhonov regularization, this new method is more stable than both the least-squares method and the maximum likelihood method. The validity of the proposed method is illustrated by two examples: one based on simulated data and one based on real engineering data.     

大地电磁反演中改进的自适应正则化因子选取研究

通过建立大地电磁(MT)层状地电模型,利用共轭梯度法求解反问题,在给定不同初始模型的条件下对多种正则化因子选取方法进行了计算比较,分析了各种方法的特点和使用条件.结果表明,自适应正则化算法的效果与传统的定值方法如L曲线法相近,但反演过程远比传统方法便捷.为了解决反演依赖于初始模型的局限并增强解的稳定性,基于多种自适应正则化方案的对比分析,提出了改进的自适应正则化方案,选取数据拟合泛函与模型稳定泛函较大的比值为正则化因子的初始值,并提出相应的调整方案自动控制正则化因子衰减.模型试验表明,该方法对初始模型的依赖性低于其他几种自适应的算法,反演结果的稳定性较强,可以进一步提高正则化反演的效率.     

超宽带矢量测距与惯性传感组合的精准步长计算算法

为适应复杂环境下变步长精准测量要求,提出一种基于超宽带(ultra wide band, UWB)矢量测距和惯性传感组合的精准步长计算算法;针对基于惯性传感组合的步长测算精度受佩戴方式和系统运行时间影响以致无法实现行人步长精准测量和长航时精度保持的问题,提出一种结合足间模型与零速检测联合步长算法。根据行人行走时足部轨迹模型构造足间步长模型,得到准确的步长计算公式;根据足部惯性传感器运动特征进行零速检测并触发UWB测距,结合陀螺解算角度和足间模型公式计算得到步长。实验表明,提出的步长估计算法精度可达98.20%,与传统步长算法相比,误差显著降低。     

基于L1范数的总变分正则化超分辨率图像重建

设计了一种基于L1范数的总变分正则化超分辨率图像序列重建算法.采用L1范数对重建图像保真度进行约束,利用总变分正则化克服重建问题的病态性,有效地保持了图像的边缘并且提高了运算速度;运用设计的算法对模拟的低分辨率图像序列进行重建,分别从主观效果和客观衡量指标两方面与基于L2范数的总变分正则化的超分辨率重建结果进行比较,实验结果表明该算法在保持图像边缘的同时,提高了超分辨率重建算法的运算速度.     

L_1正则化问题的对偶性理论

L1正则化问题是一个非光滑的无约束最优化问题,在变量选择,数据压缩和图像处理等领域有广泛的应用。给出了L1问题最优解存在的新的必要条件和充分条件,利用这些条件构造出L1正则化问题的一个MondWeir型对偶问题,最后给出了相应的弱对偶定理和强对偶定理。     

一种改进的基于软判决自回归模型图像内插算法

提出一种改进的基于软判决自回归模型图像内插算法,分为正则化权值训练和图像内插两部分.在训练部分,根据局部窗口特征和其对应的最优正则化权值建立字典.在图像内插部分,利用加权最小二乘法估计自回归模型参数,并通过查找字典中距离当前局部窗口最近的样本获得最优正则化权值,然后使用软判决估计重建图像内插值.同时,使用EM算法修正估计出的模型参数和图像内插值.实验结果表明,与其它算法相比,所提的内插算法具有更好的主观和客观效果.     

基于自适应流形正则化自表示的无监督特征选择算法

针对基于流形正则化自表示(MRSR)的无监督特征选择算法直接从原始的样本空间构造相似矩阵可能会 导致重构空间中样本的相似性描述得不够准确的问题,提出了基于自适应流形正则化自表示的无监督特征选择 (AMRSR)算法。 基于自适应流形正则化自表示的无监督特征选择算法在 MRSR 算法的基础上通过对相似矩阵施 加概率最近邻约束将相似矩阵的学习嵌入到优化过程中,在重构空间中自适应地学习样本的相似性,使得在每一 次迭代中获取更加精确的样本局部几何流形结构,从而选择具有代表性且保持局部几何流形结构的特征。 最后, 在四个公开数据集上进行了大量的对比实验,通过将算法的特征选择结果用于 K-means 聚类并采取两种常见的聚 类评价指标:聚类精确度和归一化互信息评价聚类效果。 实验结果表明,AMRSR 算法与现有的一些算法相比有更 高的聚类精确度和归一化互信息,进一步表明该算法特征选择效果更好。     

工业炉气体吸收系数检测的模拟研究

对均质和非均质工况下工业炉气体吸收系数的检测进行研究,提出基于可见光图像处理技术的气体吸收系数重建算法.采用电荷耦合器( CCD)接受边界辐射强度图像和辐射温度图像,从辐射强度图像中更新辐射参数,用正则化方法从辐射温度图像中重建介质温度场,两者交替迭代,直至收敛.模拟计算结果表明,在测量数据中加入标准差为0.05的正态分布误差后,采用该算法仍然可以较好地重建出炉内气体的吸收系数.