含t-积结构的张量广义Krylov子空间方法求解线性离散不适定问题

本文讨论了基于三阶张量的t-积形式,将广义Krylov子空间方法在解决大规模线性离散不适定问题中的应用。针对于离散不适定问题,首先确定正则化参数,并将一系列投影应用到广义的Krylov子空间上。数据张量是一般的三阶张量或由横向定向矩阵定义的张量。在数值例子和彩色图像修复中的应用说明了该方法的有效性。

一类求解约束离散不适定问题的积极集随机迭代方法

许多科学和工程领域的应用问题都可以归结为线性离散不适定问题的求解。考虑大规模带盒子约束的线性离散不适定问题的求解,提出一类基于积极集策略的随机内外迭代方法。基于积极集策略的内外迭代法在外层迭代上更新积极集和对应的非积极集,并采用投影算子,将不在可行域中的数值解分量投影到可行域边界上,同时在内层迭代上采用Krylov子空间方法求解无约束子问题。提出一类积极集迭代法,在内层迭代上采用高性能随机算法,依照概率分布选取子问题系数矩阵的列进行更新,并利用Armijo下降准则对迭代步长进行选择,这样就可以保证目标函数值随着迭代步数的增加而单调下降。在图像复原问题的数值实验中,验证所构造算法的高效性。在偏差准则的收敛条件下,新的积极集内外迭代法所利用的计算量、迭代步数和CPU时间都比前人提出的算法更少。