基于分段常值水平集的参数识别算法

研究了椭圆方程不连续参数的识别算法.根据原有算法计算效率较低、抗噪性较差、可识别区域数较少的不足,本文基于分段常值水平集方法,根据水平集函数和优化过程的特点,修正原有Uzawa型算法中的带有总变差(TV)正则化的极小化模型和对常值向量的极小化模型,并且结合Barzilai-Borwein方法和预处理共轭梯度算法(PCG)构造一种新的参数识别算法格式.数值实验结果显示,新算法具有计算时间短、精度高、抗噪性强的优点,并且可以识别较复杂的几何区域.

基于分段常值水平集的抛物型方程的参数识别算法

研究了线性抛物型方程不连续参数的识别算法.根据原有算法对于加噪观测数据计算不收敛的问题,本文基于分段常值水平集方法,根据水平集函数和优化过程的特点,修正原有Uzawa型算法中的带有总变差(TV)正则化的极小化模型和对常值向量的极小化模型,并且利用分裂Bregman迭代算法处理TV范数的优越性,构造一种新的参数识别算法格式.数值实验结果显示,新算法具有计算时间短、精度高、抗噪性强的优点.