利用点电流源和Tikhonov正则化的潜艇稳恒电场反演方法

为了评估潜艇水下腐蚀相关稳恒电场分布特性,从潜艇水下腐蚀相关稳恒电场产生机理出发,基于等效点电流源建立潜艇水下腐蚀相关稳恒电场正演模型,并利用Tikhonov正则化根据已知电场数据求解等效点电流源电流强度,对潜艇周围海水空间的腐蚀相关稳恒电场进行推算。将某型潜艇的COMSOL软件仿真结果作为模拟试验数据,对所提方法有效性进行验证。结果表明:由水深38 m电场值向水深42.5 m和水深33.5 m进行反演时,相对均方根误差、最大值相对误差、峰峰值相对误差均不超过0.06;由较近平面向较远平面进行反演时,即使推算深度达到45 m,相对均方根误差仍然在0.21以内;噪声标准差为实际电场最大值的0.1倍时,反演误差仍然小于0.1。该算法抗噪声能力强,精度较高,能较好地用于工程实践。

Tikhonov正则化方法在航空γ测量数据处理中的应用

在航空γ测量中,当地形平坦且飞行高度变化不大时,采用传统的高度修正方法可得到良好的结果。实际测量中,地形崎岖不平、飞行高度突变等常见现象会导致高度修正后的结果仍存在偏差甚至错误。基于条带模型构设崎岖地形条件下的反演方程组,应用Tikhonov正则化方法求解可得到地面放射性核素的面活度浓度。Tikhonov正则化方法的应用结果表明:随机噪声较小时,采用广义交叉验证(generalized cross validation,GCV)方法选取正则化参数得到的反演结果较好;随机噪声较大时,采用L曲线方法选取正则化参数得到的反演结果较好。与传统高度修正方法的计算结果相比该方法好,且适用于飞行高度变化较大的情形。

用Tikhonov正则化方法同时反演对流扩散方程的对流速度和源函数

在给定两个附加观测数据的条件下,本文基于Tikhonov正则化方法研究了对流扩散方程的对流速度和源函数的同时反演问题.鉴于原问题是一个初始值非零的对流扩散方程,本文通过将初始值转化为源项得到了一个组合源项,首先将原问题转化为一个具有齐次条件的对流扩散问题.由于所得问题是不适定的,本文进而利用Tikhonov正则化方法构建了相应的极小化目标泛函,得到了问题最优解的存在性和应满足的必要条件.最后,对终端时刻较小的特殊情形,本文证明了最优解的唯一性和稳定性.

基于正则化参数优化和边界聚类的电阻抗成像研究

电阻抗成像是一种无损伤的功能成像技术,由于逆问题具有不适定性、不稳定性等特点,往往存在重构图像的分辨率不高、伪影较大等问题。将Tikhonov和全变量(TV)两种正则化算法的罚函数进行组合应用,提出将粒子群算法用于组合罚函数的正则化参数优化,把图像质量指标(artifact level, AL)作为粒子群算法的适应度值,从而确定最优正则化参数,通过牛顿迭代法获得电导率,为了进一步去除伪影,将Niblack算法与边界聚类算法相结合,对求得的电导率进行处理,得到最终的电导率分布。仿真和实测结果均表明,该方法重建的图像能够更加准确地反映电场内目标物体的位置信息,有效的抑制伪影,提高了重建效果。

分数阶椭圆方程反边值问题的分数Tikhonov正则化方法

该文研究了Tricomi-Gellerstedt-Keldysh型分数阶椭圆方程的反边值问题.对于该不适定问题,建立了条件稳定性结果.基于问题的不适定性,构造了分数Tikhonov正则化方法,以恢复解对测量数据的连续依赖性.在正则化参数的先验和后验选取规则下,分别给出并证明了相应的Hölder型收敛性结果.最后,通过两个数值例子验证了分数Tikhonov正则化方法的模拟效果.数值结果表明,该方法能稳定有效地处理文中反问题.

高阶数值导数的分数阶Tikhonov正则化方法

在本文中,我们关注高阶数值导数问题,该问题是不适定的。为了解决这一反问题,我们提出了分数阶Tikhonov正则化方法,用于从一维噪声数据中计算高阶数值导数。本文先用Fourier变换求出问题的精确解,再用分数阶Tikhonov正则化方法构造出问题的正则化解,最后讨论了先验正则化参数选择规则下精确解与正则化近似解的误差估计。

基于分数阶Tikhonov正则化的激光吸收光谱燃烧场二维重建光路优化研究

为探究基于激光吸收光谱技术的燃烧场二维测量光路布置方式,实现有限投影下更精确的燃烧场二维重建,根据分数阶微积分理论,提出一种基于分数阶Tikhonov正则化的光路优化方法.将经典的整数阶Tikhonov正则化推广到分数阶模式,建立了基于分数阶Tikhonov正则化的光路设计目标函数.利用遗传算法分析(0,1)范围内不同阶数的计算结果,得到最佳光路布置方式.采用近红外波段7185.6 cm^(-1)的H_(2)O特征吸收谱线结合20条测试光路对10×10离散化网格区域进行计算,对比分析五种光路布置方式对多种分布模型的重建结果,结果表明,基于分数阶Tikhonov正则化的光路布置方式具有最佳重建效果.研究结果对有限投影条件下激光吸收光谱二维测量光路的优化设计理论研究具有重要意义,可以促进激光吸收光谱技术在复杂发动机燃烧场二维重建及燃烧效率提升方面的应用.

L1正则化的深度谱聚类算法

针对深度谱聚类模型训练不稳定和泛化能力弱等问题,提出L1正则化的深度谱聚类算法(DSCLR)。首先,在深度谱聚类的目标函数中引入L1正则化,使深度神经网络模型生成的拉普拉斯矩阵的特征向量稀疏化,并提升模型的泛化能力;其次,通过利用参数化修正线性单元激活函数(PReLU)改进基于深度神经网络的谱聚类算法的网络结构,解决模型训练不稳定和欠拟合问题。在MNIST数据集上的实验结果表明,所提算法在聚类精度(CA)、归一化互信息(NMI)指数和调整兰德系数(ARI)这3个评价指标上,相较于深度谱聚类算法分别提升了11.85、7.75和17.19个百分点。此外,所提算法相较于深度嵌入聚类(DEC)和基于对偶自编码器网络的深度谱聚类(DSCDAN)等算法,在CA、NMI和ARI这3个评价指标上也有大幅提升。

基于GCV的迭代Tikhonov正则化在测绘中的应用

由于Tikhonov正则化(Tikhonov regularization,TR)法求解大地测量领域中的病态问题时,其求解质量过于依赖正则化参数的确定,且稳定性较差,因此提出改进的迭代Tikhonov正则化(iterated Tikhonov regularization,ITR)法,结合广义交叉验证法(generalized cross-validation,GCV),可以有效克服上述缺点。算例结果表明,ITR-GCV法在解算精度、稳定性以及抗干扰性方面表现良好。

离散不适定问题的扩展迭代正则化方法

Arnoldi-Tikhonov方法是求解大规模离散不适定问题的一种常用子空间迭代正则化方法,其由Arnoldi算法构建低维Krylov子空间,再对低维问题用Tikhonov正则化从而获得正则化解。但由于低维子空间信息缺失,正则化解的有时效果欠佳。为了改进正则化效果,本文通过增加一个含有特定先验信息的低维子空间来扩展Krylov子空间,提出了求解大规模离散不适定问题的一种扩展子空间迭代正则化方法。该方法通过扩展Arnoldi算法构建扩展子空间,并融合Tikhonov正则化,从而获得更优正则化解。针对经典算例,将所提算法与Arnoldi-Tikhonov算法进行了数值实验和性态比较,数值结果验证了所提算法的有效性。

基于Logistic最优化鲁棒性的聚类联邦学习

为了解决联邦学习中数据异构导致模型准确率下降的问题,提出了一种基于Logistic最优化鲁棒性的聚类联邦学习(Logistic-based More Robust Clustered Federated Learning,LMRCFL)方法,将具有相似数据分布的客户端分组到相同的集群中,不需要访问其私有数据,可为每个客户端集群训练模型;在目标函数中引入正则项更新本地损失函数,缓解Non-IID(非独立同分布)数据带来的客户端偏移问题,通过减小模型差异提升模型准确率。在CIFAR-10、fashion-MNIST、SHVN数据集上与其他联邦学习算法进行了对比,实验结果表明,LMRCFL算法在Non-IID数据分布下的准确率提高了8.13百分点~33.20百分点且具有鲁棒性。

基于正则化与恒星日滤波的BDS多路径误差削减方法

在重构的载波相位单差残差基础上,利用分段思想估计北斗卫星的多路径重复时间,分别采用正则化方法和经典小波滤波方法提取载波相位单差残差的多路径信号,得到“干净”的单差残差序列。实验结果表明,利用Tikhonov正则化方法正确提取多路径信号是可行的,多路径信号比原始测量残差更具平滑性,并进一步优化了正则化参数的估计方法。利用优化后的Tikhonov正则化方法与恒星日滤波后,载波相位单差残差平均改进40.5%;坐标残差E、N、U方向分别改进24.8%、26.3%和42.7%。无论是观测值域还是坐标域,优化后的Tikhonov正则化方法较传统的小波滤波方法更具优越性。

熵正则化下的变分深度生成聚类模型

基于深度学习的聚类方法可以自动学习到数据的隐层特征表示,并可方便应用于高维大规模数据集上。传统深度聚类方法更多关注通过深层神经网络去提取数据的隐层特征来提升聚类精度,较少对聚类任务中数据类别的确定性问题进行分析,同时缺乏对施加约束后的离散隐向量分布的分析。提出熵正则化下的变分深度生成聚类模型(VDGC-ER),以变分自编码为基础框架,对连续向量进行高斯混合先验建模,并以高斯混合中的离散隐向量作为类别向量。通过对离散隐向量引入样本熵正则化项增强预测聚类类别的区分度,同时对离散隐向量定义聚合样本熵正则化项以降低聚类不平衡,避免局部最优,并提升生成数据多样性。之后,采用蒙特卡洛采样及重参策略估计VDGC-ER模型的优化目标,并利用随机梯度下降法求解模型参数。最后在MNIST数据集、REUTERS数据集、REUTERS-10K数据集和HHAR数据集上设计了对比实验,验证了VDGCER模型不仅可以生成高质量的样本,而且可以显著提升聚类精度。

基于Tikhonov正则化改进的IHB法求解Mathieu-Duffing系统多重解

增量谐波平衡法(IHB法)是研究强非线性振动系统的一种半数值半解析方法,然而已有研究表明,在求解含多重解的系统时该方法的收敛性强烈地依赖于初值的选择。Tikhonov正则化常被用于优化问题中来解决可能出现的病态问题。文章通过在原始的IHB法中引入Tikhonov正则化,提出一种改进的IHB法(TIHB法)来求解具有多重解的Mathieu-Duffing系统。结果表明,改进的TIHB法可以快速、高效地获得系统的多个稳定或不稳定解,且算法的收敛性能要远远优于原始的IHB法。

赋相对权比的Tikhonov正则化方法及其在岭估计中的应用研究

Tikhonov正则化准则是解决不适定问题的通用方法,当稳定泛函确定后,确定正则化参数就成为Tikhonov正则化方法应用的核心问题。针对正则化参数通常需要在一个较大正实数范围内搜索而导致效率不高的问题,提出赋相对权比的正则化方法,并推导了新准则下的正则化解的表达式。新方法将正则化参数限定在[0, 1)区间,将事先难以确定上界的搜索问题转换为一个在较小的、具有明确上下界的优化搜索问题。对岭估计岭参数确定的数值试验结果表明,新方法与原Tikhonov正则化准则具有等价性,但新方法具有更高的计算效率。

一类Sobolev空间上广义Radon变换反演的Tikhonov—Phillips正则化方法

对于广义Radon变换,设密度函数u属于Sobolev空间H~α,α】1,2,已知n条曲线上积分算术平均平方根的误差是ε,若v是Tikhonov—Phillips正则化方法的极小,则有误差估计■其中Φ∈N(F),Φ∈C~∞,F是由广义Radon变换导出的Fourier积分算子,当N(F)=0时,Φ=0。对某些广义Radon变换N(F)=0。在一定情况下估计是最佳的。

基于改进边缘检测算法与灰度梯度正则化的导线舞动监测方法

为确保导线的电能传输质量,本文研究基于改进边缘检测算法与灰度梯度正则化的导线舞动监测方法,提升导线舞动监测效果,精准监测导线舞动情况。实验证明:该方法可有效去除导线图像噪声,提升导线图像清晰度;该方法可精准提取导线边缘线,且导线边缘线提取的连续性较优;该方法可有效监测导线舞动状态。

求解一类反向热传导问题的Fourier正则化和Tikhonov正则化方法

讨论了一类一维反向热传导问题,利用Fourier正则化方法给出了正则近似解,得到了H(?)lder型误差估计．同时通过提高先验光滑性假设,并利用Tikhonov正则化方法得到了对数型稳定性估计,解决了零点的收敛性问题．

基于改进分数阶Tikhonov正则化的桥梁移动载荷识别

针对整数阶Tikhonov正则化方法识别桥梁移动载荷识别精度较差的问题,提出一种基于改进分数阶Tikhonov正则化的桥梁移动载荷识别方法。根据时域法理论建立桥梁移动载荷识别模型,模拟双轴车辆在桥梁上行驶过程,通过核函数方法将移动载荷表示为弯矩响应和加速度响应核函数的微分形式,采用离散化方法将微分方程转化为线性方程组,通过改进分数阶Tikhonov正则化方法进行求解。结果表明:较分数阶Tikhonov正则化方法和整数阶Tikhonov正则化方法,采用改进分数阶Tikhonov正则化方法的移动载荷识别结果在识别精度和抗噪性上都有一定优势,且改进分数阶Tikhonov正则化方法在低噪声水平下载荷识别精度较高,识别误差仅为分数阶Tikhonov正则化方法的15%;识别结果受弯矩响应影响较小,且具有良好的鲁棒性,更适用于桥梁移动载荷的现场识别。

基于L1范数正则化和最小二乘优化的冲击载荷识别研究

为了改善冲击载荷识别问题的病态特性,最大限度提高识别精度,在时域内提出一种基于L1范数正则化和最小二乘优化的改进冲击载荷识别方法。采用L1范数正则化方法构建冲击载荷稀疏反卷积模型,使用截断牛顿内点法求解L1范数的最小二乘优化问题,同时根据预条件共轭梯度法确定最优搜索路径和计算方向。最后,考虑不同冲击工况、不同响应位置对识别结果的影响。通过对铝合金板进行冲击载荷识别试验进行验证,发现在铝板受单次冲击和多次冲击工况下所识别载荷与施加的实际载荷吻合良好。结果还表明,与Tikhonov正则化方法相比,该方法能够提高冲击载荷识别的准确性和稳定性。