一种支持向量回归中超参数自适应方法

在贝叶斯框架下支持向量回归SVR可视为最大化后验MAP回归函数估计的扩展.贝叶斯方法可用来实现模型中超参数的自适应,同时保持SVR稀疏性和凸二次规划的优点.在对SVR的MAP解做Laplace近似获得关于超参数的SVR模型中证据的平滑表达式,使用基于梯度的优化法可导出使证据最大化的最优超参数.通过引入ARD参数到高斯协方差函数中,可进行输入属性的相关性分析和特征选择.给出了在人工和实际回归问题上的应用及其他方法的对比分析.     

基于谱域球谐展开的多层快速多极子算法

介绍了基于谱域球谐函数展开的多层快速多极子算法,通过处理三维金属体的散射问题,验证了算法参数选取的经验公式,并对算法性能做出了理论分析,得出该算法具有内存占用少﹑迭代速度快的优点,数值结果显示了该方法的高效性.     

非均匀地质构造静场响应的高效数值模拟

针对轴对称的任意二维非均匀媒质,建立了求解静电或稳恒场问题Green函数的高效纵向数值模式匹配理论。所导出的公式皆为特别宜于计算机模拟的矩阵代数形式。所建立的数值计算方法使得求解全部问题无需进行任何数值积分运算,计算效率较二维有限元法可提高两个数量级。本文所运用的纵向数值模式匹配法,是Chew等人建立的径向数值模式匹配理论的延伸和发展。Pai曾用类似方法求解电磁波测井问题,Gianzero曾给出过二层构造的公式。本文给出的解答可普遍适用于任意二维非均匀构造中Green函数的求解,实现石油测井中复杂地质环境的精细数值模拟。     

多层快速多极子算法中修正多极子模式数技术

为了提高多层快速多极子算法求解电磁散射问题的效率,提出了两种修正多极子模式数的方法。与传统的多层快速多极子相比,该方法通过有效地减少多极子模式数,从而减少了迭代求解矩阵方程时的矩矢相乘时间和内存存储需求。计算结果表明,该方法提高了电磁散射问题求解的计算效率,保留了原有方法的精度,同时保持了多层快速多极子算法的计算复杂度,并且简单易于实现,十分适于三维电大结构电磁散射问题的求解。     

基于多区迭代的多导体目标散射分析

多目标电磁散射在诸如雷达目标特性分析与识别、军用目标隐身与反隐身等实际工程中有着很强的研究价值.利用多区域迭代方法将原问题划分为若干个子域进行迭代求解,采用基于曲面RWG基函数的多层快速多极子方法计算各区域内的电流分布与区域间耦合.计算结果表明,利用该方法,在保证精度的前提下,能够很好地节省计算的存储量,对存储量的需求从O(NlogN)减为O(N<,max>logN<,max>),适合于多导体目标散射求解.     

三维局部多层快速多极子算法

为了进一步加速多层快速多极子算法求解电大尺寸目标电磁散射,提出了一种基于局部耦合技术计算矩阵矢量相乘的多层快速多极子方法。通过在迭代过程中设置与迭代误差相关的最初层,每次迭代仅仅需要考虑局部的耦合区域。该方法在保证合理计算精度的同时大大降低了迭代过程中矩阵矢量相乘的计算复杂度,提高了多层快速多极子方法计算效率。数值结果说明了所提方法的有效性。     

时间反转镜像技术在微波致热超声成像系统中的应用

论证了不同生物组织对微波能的吸收分布与微波致热声源分布的比例关系,然后将基于伪谱时域方法的时间反转镜像技术用于微波致热超声扫描成像系统中．仿真表明,在很低的信噪比和模型参数存在随机变化的情况下,基于伪谱时域方法的时间反转镜像结果仍然具有良好的成像对比度和成像分辨率．     

重建二维轴对称电导率剖面分布的快速有效方法

用变形玻昂迭代法 ( DBIM)来重建二维轴对称电导率剖面分布 ,着重讨论了提高反演计算效率的方法。首先是利用数值模式匹配 ( NMM)解的 z向解析性 ,导出了 z向积分的解析结果 ,而径向数值本征模用线性插值 ,从而避免了二重数值积分 ;其次用双共轭梯度法 ( BCG)求解矩阵方程。数值模拟结果表明 ,采用上述方法后可以大大提高计算效率和改善成像质量。     

MIMO无线通信的空间自由度模型

采用本征模式方法研究了多天线无线通信的空间自由度问题。通过求解本征积分方程,得到给定发射区域和接收区域下多天线无线通信系统的本征函数,从而给出了多天线通信的物理限制以及相应的物理解释;通过将无线信道划分为发射天线到发射端近端散射体、发射端近端散射体到接收端近端散射体以及接收端近端散射体到接收天线三部分,提出了一种空间自由度的计算模型,分析了散射体对空间自由度的作用,并对已有模型的结果作出物理解释。     

基于物理模型的成像算法评价与 SASART 成像算法

基于物理模型的图像重建算法评价方法,作者研究设计的ＳＡＳＡＲＴ算法,给出了常用算法ＳＶＤ,ＣＧ,ＬＳＱＲ,阻尼ＬＳＱＲ,ＳＩＲＴ,ＳＡＲＴ及ＳＡＳＡＲＴ的测试结果。测试数据表明：（１）线性成像方程系统的特性（条件数）及解结构都对解精度有影响,解模型越粗糙,解的精度越低;（２）自激励联合迭代重建算法（ＳＡＳＡＲＴ）迭代稳定、抗噪音能力强,用于高噪数据反演能获得合理的图像;（３）各种求解算法都具有平滑效应,同时也都会产生误差很大（＞１５０％）的奇异解;（４）小的数据拟合差并不一定指示解的精度高;（５）对含误差数据,应用阻尼ＬＳＱＲ或ＳＡＳＡＲＴ算法进行成像反演。