基于改进回溯线搜索的二维梯度投影法

压缩感知的二维与一维方法相比,在对图像进行压缩观测时可以更好地保持其结构信息,因而能够提高压缩观测图像的重构质量.通过改进基于全变差正则化的二维梯度投影压缩感知算法,对该算法中全变差最小化进行求解,提出了一种改进的回溯线搜索方法以优化其中梯度下降法的步长选择方法,从而提高了重建图像的质量和算法的收敛速度.实验结果表明,将改进的步长选择方法应用于二维梯度投影算法之后,重建图像的主观质量和峰值信噪比都得到提高,同时算法的迭代次数减少,收敛速度更快.

带回溯线搜索的新锥模型信赖域算法

结合线搜索方法计算量小的优点和信赖域算法很好的收敛性,将回溯线搜索应用到新锥模型自适应信赖域方法上构造了一类新的算法,并证明了该算法具有全局收敛性。初步的数值实验表明该算法是可行的。

解非线性半定规划的一种回溯线搜索型算法

为避免罚函数和滤子的缺点,提高带有等式约束和半负定矩阵约束的非线性半定规划求解效率,本文通过二次半定子问题构建搜索方向,结合回溯线搜索技术和非单调充分下降性条件,提出了一种新的无罚函数无滤子的线搜索型序列半定规划算法.在合理的假设条件下,证明了新算法的适定性以及全局收敛性,最后通过初步的数值试验验证了新算法的有效性.

求解非线性对称方程组的范数下降算法

针对非线性对称方程组求解问题,提出了一种具有回溯线搜索技术的修正方法,该方法不仅具有下降性质而且在适当的条件下具有全局收敛性。数值结果表明该算法对非线性方程组问题是有效的。

优化迭代步长的两种改进增量谐波平衡法

增量谐波平衡法(IHB法)是一个半解析半数值的方法,其最大优点是适合于强非线性系统振动的高精度求解.然而,IHB法与其他数值方法一样,也存在如何选择初值的问题,如初值选择不当,会存在不收敛的情况.针对这一问题,本文提出了两种基于优化算法的IHB法:一是结合回溯线搜索优化算法(BLS)的改进IHB法(GIHB1),用来调节IHB法的迭代步长,使得步长逐渐减小满足收敛条件;二是引入狗腿算法的思想并结合BLS算法的改进IHB法(GIHB2),在牛顿-拉弗森(Newton-Raphson)迭代中引入负梯度方向,并在狗腿算法中引入2个参数来调节BSL搜索方式用于调节迭代的方式,使迭代方向沿着较快的下降方向,从而减少迭代的步数,提升收敛的速度.最后,给出的两个算例表明两种改进IHB法在解决初值问题上的有效性.

改进的共轭梯度MRI压缩成像算法

为了缩短磁共振成像系统的扫描时间,压缩感知方法利用欠采样数据和非线性恢复算法实现系统的实时或准实时成像需求。通过联合考虑MRI图像在变换域和梯度域下的稀疏性,提出了一种基于预测线搜索方法的共轭梯度算法来重建磁共振图像。针对共轭梯度算法中线搜索次数过多和运行时间过长问题,采用基于预测的方法来优化搜索步长值,以此缩短算法执行时间和减少线搜索次数。仿真实验利用磁共振图像的10%、20%和30%的下采样数据进行图像重建,结果显示基于该预测线搜索方法的压缩成像算法执行时间少于回溯线搜索法的执行时间,重构图像质量优于零填充法和FR共轭梯度法,验证了该算法的有效性。