基于L_(1/2)范数的非局部PCA泊松噪声图像恢复改进算法

为增强NLSPCA(非局部稀疏主成分分析)算法对去除图像泊松噪声性能,提高图像块聚类精确度,增大字典下的表示系数稀疏性,改善恢复图像易模糊等问题,提出基于L_(1/2)范数的非局部PCA泊松噪声图像恢复改进算法(L_(1/2)-NLSPCA)。新算法首先对图像分割成重叠块;其次采用设计的自适应Bregman K-means算法对分割的图像块聚类;最后使用PCA构建基于L_(1/2)范数的非局部字典下的稀疏表示系数,对聚类后的图像块分组进行去噪重构。实验结果表明,L_(1/2)-NLSPCA算法与基准算法相比峰值信噪比(PSNR)提高了0.52~2.57 dB,在视觉上纹理细节更清晰。

基于有约束L_(1/2)范数稀疏正则化的声源识别方法

基于等效源法(equivalent source method,ESM)的近场声全息(near field acoustic holography,NAH)是一种有效的声源识别技术。然而,针对空间稀疏分布的声源识别问题,传统基于L_(2)范数以及基于L_(1)范数的ESM方法分别存在声源幅值被低估与算法稳定性差等问题。因此,提出了基于有约束L_(1/2)范数稀疏正则化的声源识别方法,该方法具有强稀疏性与强抗干扰的优势,可以解决传统方法的声源识别精度低的问题。通过数值模拟试验以及普通室内的实测实验,验证了方法的有效性。

基于L_(1)范数混合主动轮廓的河流SAR图像分割

为解决现有主动轮廓模型难以准确分割河流SAR图像的问题,提出一种基于L_(1)范数的混合主动轮廓模型。首先,计算轮廓曲线内外区域像素灰度的中值作为区域拟合中心,以抑制SAR图像中干扰区域对其准确性的影响;然后,利用L_(1)范数构建新的能量约束项并在模型能量泛函中引入边缘指示函数,进一步提升模型的分割性能;最后,将基于L_(1)范数的中值和均值能量约束项结合起来并添加额外的区域拟合中心约束项,以提高模型的整体稳定性。针对实际河流SAR图像进行分割试验,结果表明,与现有分割方法相比,本文模型能更准确、稳定地分割河流SAR图像。

1-Norm/2-Norm约束及小波多尺度2D体波走时成像

在对浅地表复杂地下介质层析成像时,由于观测系统局限性及方法本身对特定岩石地球物理属性的不敏感性等因素,造成地球物理反演存在多解性。在地震走时成像中,地震射线数量在低速区域分布较少形成阴影区,造成其对低速区域成像分辨率较低。同时因为观测数据包含干扰信息以及不同反演方法的局限性等因素造成反演结果包含次生假异常。这里主要研究了空间域的L1-norm、L2-norm约束反演及小波域小波系数稀疏约束反演,对比不同反演方式及约束条件对地质模型的分辨能力。通过测试孤立异常模型、层状地层模型、倾斜地层模型,得出三种不同反演方式分别具有对不同特定模型的分辨特性。在实际资料成像中,可以通过使用多种反演方式,对比反演结果合理性以期达到更准确的地质构造解释。

基于1-norm SVM权值学习的多示例目标跟踪

针对复杂场景下目标跟踪存在鲁棒性低,容易发生跟踪漂移的问题,提出一种改进的多示例目标跟踪算法。该算法针对多示例跟踪算法在包概率计算过程中忽略样本间的差异,对所有样本赋予相同权值,造成分类器性能下降及弱分类器选择存在复杂度高的问题,通过1-norm SVM计算各样本对包概率的重要程度,并在弱分类器选择过程采用内积的方法计算包概率的似然函数,从而减小算法的复杂度和计算时间。实验结果表明,该算法在目标发生遮挡、姿势变化、场景光照发生较大变化以及出现相似目标等较强干扰的情况下仍能较好地跟踪目标,具有较强的鲁棒性和抗干扰能力。

A^(-1)B矩阵无穷大范数上界的新估计

设A为∑_(1)-SDD矩阵,B为一般矩阵,给出、||A_(-1)B||_(∞)的仅与矩阵元素有关的易于计算的上界。特别地,当B为单位矩阵时,得到了∑_(1)-SDD矩阵的逆矩阵无穷大范数的上界和最小奇异值的下界。

基于L_(1)范数振动传递率的梁构件损伤识别研究

基于传递率函数在频域给定结构各测点输出响应间的函数关系而无需测量结构输入荷载信息的特点,提出了L_(1)范数归一化传递率函数结构损伤识别方法。首先,对加速度响应数据频域分析构建传递率函数矩阵,通过主成分分析法实现传递率频域特征的降维,提取与梁结构损伤特征高度相关的特征,以不同状态下的主成分有无发生偏离为依据来判断结构是否发生了损伤;其次,结构如果发生损伤,其损伤前后的传递率函数会发生变化;最后,将传递率函数进行L_(1)范数归一化,构建L_(1)范数归一化传递率函数损伤指标。数值仿真和试验结果表明,该方法可有效识别结构不同的损伤位置及程度,识别精度高,具有一定的噪声鲁棒性。

基于L^(1)范数的全变分地震信号反褶积优化算法

基于借范数最优化的思想,提出一种基于L^(1)范数的全变分地震信号反褶积优化算法。该算法基于L^(1)范数全变分理论构建地震信号重建模型,同时将其转化为符合迭代与交替最小化的求解形式,通过交替方向乘子法设计地震信号的反褶积优化算法。该算法无需考虑反褶积使用的限制条件,可以在含噪声的情况下有效恢复地震信号,同时提高地震信号的分辨率和信噪比。使用该算法对合成信号和野外采集地震数据进行实验,结果表明:该算法提高了子波的主频,拓宽了有效频带,即使在信号受到较重噪声污染时,也可以获得较好的处理结果。

谱投影梯度算法求解绝对值方程最小1范数解

为研究绝对值方程最小1范数解的求解问题,通过绝对值运算的等价代换,把绝对值方程求解问题转化为光滑函数的优化问题;再利用罚函数的思想,建立了非负约束的二次规划问题,进而使用谱投影梯度算法求解;最后进行了数值实验。理论分析和数值结果都表明了算法的有效性;该方法回避了直接求解非光滑的绝对值方程,且使转化后的优化问题具有非负约束,便于求解;该算法具有全局收敛性,对目前提出的智能算法缺乏理论上的收敛性问题是一个算法上的补充。

职业院校汽车运用与维修专业"1+X"课证融通探究

“1+X”课证融通是职业教育改革的创新探索。职业院校汽车运用与维修专业“1+X”课证融通存在学生层次划分不明晰、不注重复合人才培养、教师教学能力有待提升、实训环境不达标等情况。基于此,在具体教学实践中,职业院校要积极探索“1+X”课证融通的新途径,厘清技能证书与专业能力之间的关联性,构建与本专业相匹配的学科体系,并以证书为参照进行教学融合,最终达到课证融通的目标,提高职业教育效果。

基于压缩感知理论的远震P波数据重建研究

本文将基于压缩感知理论的地震观测数据重建方法用于天然远震事件的P波到时处理之中,基于曲波(curvelet)变换,建立基于L_(1)范数的正则化反演模型,并采用迭代收缩阈值算法(ISTA)求解该模型。针对在内蒙古布设的流动地震台阵记录到的远震波形数据,对其进行稀疏采样,采用稀疏反演重建方法对欠采样数据进行重建,并拾取重建数据的P波到时,之后开展远震P波层析成像进行验证。研究结果表明,远震天然地震观测数据在曲波变换中表现出稀疏性,可利用压缩感知方法实现远震P波数据的完备化处理。基于内蒙古流动地震台阵数据三维P波成像也表明,基于压缩感知的数据重建技术可以提高地震层析成像的分辨率,且压缩感知采集技术在天然地震研究中具有潜在的应用价值。

一种基于L_(2,1)范数的PCA维数约简算法

传统PCA存在对异常值和特征噪声敏感等问题,基于L2,1范数的PCA算法改进了这些缺点。现有的基于L2,1范数的PCA算法是通过降低矩阵的秩来实现维数约简,而秩的计算复杂。针对这一问题,提出一种新的维数约简算法。该算法提出利用迹范数代替矩阵的秩来简化L2,1-PCA的计算,提高算法效率;对于算法的求解提出了基于拉格朗日乘子的方法并将算法应用扩展Yale B人脸数据集进行图像去噪。可视化的实验结果表明所提出的算法有效。

基于L_1范数的加权几何平均组合预测模型的性质

提出了基于L1 范数的加权几何平均的组合预测模型 ,针对该模型定义了优性组合预测、预测方法优超和组合预测冗余度等新概念 ;指出模型的任一个可行解对应的组合预测至少是非劣性组合预测 ,探讨简单等权平均组合预测方法为最优性组合预测方法和优性组合预测存在的充分条件 ;论证预测冗余信息的可能存在性并给出冗余预测方法出现的一个判定定理 .最后进行了实例分析 。

利用L^1范数的多基线InSAR相位解缠绕技术

多基线相位解缠绕是多基线干涉合成孔径雷达信号处理中的关键步骤,但是传统的多基线相位解缠绕算法存在噪声鲁棒性差的缺点.为了解决这一问题,提出了一种基于L1范数的多基线相位解缠绕算法.该算法通过借助L1范数这一优化模型,将多基线干涉合成孔径雷达获得的多幅干涉相位图之间的关系融入到了传统单基线L1范数相位解缠绕的优化模型中.仿真试验的结果表明,该方法具有较好的解缠绕精度,可适用于对复杂地形的测绘.

基于1范数正则化的模型修正方法在结构损伤识别中的应用

以基于灵敏度分析的有限元模型修正方法为基础,提出了一种基于1范数正则化过程的结构损伤识别方法。通过与以Tikhonov正则化为代表的二次型正则化过程相比较,本文的理论分析表明1范数正则化方法在迭代计算过程中能根据上一迭代步损伤识别结果自适应地调整正则化项中的损伤参数权系数,从而显著改善了Tikhonov正则化识别结果过度光滑的缺陷,更利于识别结构的局部损伤。为解决引入1范数造成的数值计算困难,文中还对基于1范数正则化的模型修正算法进行了改进。以二维框架模型为例的损伤识别数值模拟表明:1范数正则化方法与模型修正方法相结合可以有效抑制实测模态参数中噪声的影响,体现出较好的鲁棒性;在模态噪声水平达到10%的情况下,仍能有效抑制噪声干扰,凸显结构局部损伤位置,准确识别损伤程度。

一个基于1范数的电容层析成像图像重建迭代算法

电容层析成像因具有快速、廉价、非侵入传感等优点而被认为是具有广阔发展前景的过程成像技术。电容层析成像图像重建是一个典型的病态问题,它的解是不稳定的。为了获得有意义的重建结果,能够保证解的稳定性而又能提高重建图像质量的方法应该被采用。本文提出了一个基于1范数稳定的电容层析成像图像重建算法。将图像重建问题转化为一个最优化问题,并对目标泛函采用光滑逼近。在此基础上用Newton法求解该目标泛函。数值实验表明该算法是有效的,能够有效克服ECT图像重建的数值不稳定性,就本文所考察的重建对象而言,该法所获得的重建图像的质量有了一定的提高,从而为ECT图像重建引入了一种有效的方法。

基于L_(2,1)范数稀疏特征选择和超法向量的深度图像序列行为识别

结合L_(2,1)范数稀疏特征选择和超法向量提出了一种新的深度图像序列行为识别方法。首先从深度图像序列中提取超法向量特征;然后利用L_(2,1)范数稀疏特征选择方法从超法向量特征中选择出最具判别性的稀疏特征子集作为特征表示;最后利用线性分类器Liblinear进行分类。在MSR Action3D数据库上的实验结果表明,所提方法使用2%的超法向量特征获得的识别率为94.55%,并且具有比其他方法更高的识别精度。

基于L_(2,1)范数正则化矩阵分解的图像结构化噪声平滑算法

图像去噪是数字图像处理的必要环节,对后续图像处理、分析和应用的效果有重要影响。现有基于稀疏低秩矩阵分解的图像去噪算法虽然在处理高斯、椒盐等均匀随机噪声时效果良好,但无法有效处理实际应用中可能遇到的结构化噪声问题。针对该缺陷,本文引入L_(2,1)范数将结构化噪声情形下的图像去噪问题建模为一类L_(2,1)范数正则化矩阵分解问题,并由此提出一种基于L_(2,1)范数正则化矩阵分解的图像结构化噪声平滑算法(L21NRMD)。仿真实验结果表明,在基本保持椒盐噪声去除效果的前提下,该算法可有效去除不同比例的结构化噪声,PSNR性能指标值介于69-80dB之间,差错率为0.06-0.14,较现有算法具有更好的适应性和更广的应用范围。

非线性l-1模极小化问题的极大熵差分进化算法

针对一类非线性l-1模极小化问题目标函数非光滑的特点给求解带来的困难,利用差分进化算法并结合极大熵函数法给出了解决此类问题的一种有效算法。利用极大熵函数将l-1模极小化问题转化为一个光滑函数的无约束最优化问题,利用差分进化算法对其进行求解。实验结果表明,该方法是有效的。

基于替代函数及贝叶斯框架的1范数ELM算法

针对极端学习机(Extreme learning machine,ELM)算法的不适定问题和模型规模控制问题,本文提出基于1范数正则项的改进型ELM算法.通过在二次损失函数基础上引入1范数正则项以控制模型规模,改善ELM的泛化能力.此外,为简化1范数正则化方法的求解过程,利用边际优化方法,构建适当的替代函数,以便于采用贝叶斯方法代替计算复杂的交叉检验方法,并实现正则化参数的自适应估计.仿真结果表明,本文所提算法能够有效简化模型结构,并保持较高的预测精度.