解变分不等式的超梯度Mann迭代算法

介绍了关于变分不等式近似解的一种新的超梯度迭代算法.该算法在迭代过程中使用了Mann迭代,规定了一个较优的搜寻步长,并且选择了与以往投影算法所不同的搜寻方向.同时证明了所构造的算法生成的迭代序列在广义单调条件下是全局收敛的.

自适应光学系统迭代控制算法超参数优化

无波前探测自适应光学系统中,选择合适的超参数是迭代控制算法达到最佳性能的关键。现有的迭代控制算法的超参数设置一般采用遍历法,这种方法虽然容易理解和实现,但计算量大、耗时较长,同时也可能因为找到一个局部最优值而错过全局最优值。本文采用贝叶斯优化方法,选择适合自适应光学系统迭代控制算法的超参数。分别以常用的随机并行梯度下降算法(stochastic parallel gradient descent algorithm,SPGD)、Momentum-SPGD和CoolMomentum-SPGD控制算法为例,对比分析采用遍历法和贝叶斯优化方法选择超参数的控制算法的校正效果。结果表明,采用贝叶斯优化方法进行超参数选择优势明显。对于SPGD控制算法,取得相同收敛效果时,贝叶斯优化方法所需样本实例数量是遍历法的10%;对于Momentum-SPGD和CoolMomentum-SPGD控制算法,贝叶斯优化方法所需样本实例数量分别是遍历法的7%和9%。研究结果可为自适应光学系统迭代控制算法的实际应用提供超参数设置理论基础。

抵御恶意攻击的无线传感网络安全梯度下降安全与牛顿迭代安全定位算法

本文主要研究了基于梯度下降和基于牛顿迭代两种安全定位算法,在无线传感网络抵御恶意攻击中的应用策略。基于梯度下降的安全定位算法,采用梯度下降法求最小二乘解,使估计值接近真实值,然后进行异常检测,剔除检测到的恶意锚节点,从而提高定位精度,保证网络安全;基于牛顿迭代的安全定位算法,采用牛顿迭代法缩小定位误差,然后使用差分自适应策略进行异常检测,滤除恶意锚节点后提高定位精度。在此基础上设计了对比实验,将RSSI测量值与两种算法下的仿真值进行对比。结果表明两种安全定位算法都能较为准确地定位节点,基于牛顿迭代的安全定位算法定位精度更高,在无线传感网络抵御恶意攻击方面有更好的应用效果。

提高充型过程数值模拟运算速度的动态超松弛迭代算法

在模拟铝合金压铸件型腔充型过程时 ,采用传统的固定松弛因子ω(0 <ω <2 )不能有效地减少运算中的迭代次数 ,而采用一种提高充型过程数值模拟运算速度的新算法—动态超松弛迭代算法 ,在 0 <ω <2范围内 ,运用自适应计算方法 ,根据运算的迭代次数的增减可以决定松驰因子的增大或减少 ,动态调整松弛因子可使运算中的迭代次数减少。经实际运算检验 ,运用该方法可以大幅度提高运算速度 ,运算的迭代次数减少 2 5 %。

关于单调混合变分不等式的带有误差的Mann迭代算法

研究了单调混合变分不等式的一些新的带有误差项的Mann迭代算法以及在实Hilbert空间中的收敛性.

超椭球模型下结构非概率可靠性指标的迭代算法

迭代算法对于非概率可靠性指标的求解及其优化问题具有重要意义。本文基于不确定参数的超椭球描述,研究求解非概率可靠性指标的迭代算法。针对极限状态方程非线性情况较高时可能存在不收敛的问题,提出一个检测严重迂回振荡的判据,并在HL-RF迭代公式的基础上引入修正解,在一定程度上克服迭代不收敛的问题。数值算例验证了迭代算法的正确性和有效性。

基于非线性光流方程的数字图像相关非迭代灰度梯度算法

在传统的非迭代灰度梯度数字图像相关算法中,假设变形前后同一个像素点的灰度值相等。但在实际应用中,图像的采集会受到环境光照的变化、相机曝光过度/不足、加载引起被测表面图像变化等因素的影响而引起变形前后图像像素点灰度值的变化。针对这一问题,应用非线性光流方程来描述变形前后像素点间的灰度关系,从而提出一种基于非线性光流方程的非迭代灰度梯度算法。应用模拟实验与真实单轴拉伸实验对算法的有效性与计算精度进行验证。结果表明,该算法对图像的灰度变化不敏感,具有较高的测量精度。

Hadamard流形上极大单调向量场奇点的Mann迭代算法

通过组合邻近点算法和Mann迭代技术,构造了求解Hadamard流形上极大单调向量场奇点的一个新方法,其中邻近点子问题允许非精确的计算.在适当的假设下,证明了新算法产生的序列收敛于极大单调向量场的一个奇点.主要结果推广和改善了近年的一些文献的相关结果.

一致Lipschitzian渐近伪压缩映射的Mann型隐迭代算法的收敛性(英文)

假设K是Hilbert空间E的非空闭凸有界子集,T:K K是一致Lipschitzian渐近伪压缩映射,数列{an}满足δ≤an≤1-δ,δ∈(0,1)是足够小的常数.则对任意的x0∈K,由Mann型隐迭代算法xn=anxn-1+(1-an)Tnxn(n>0)迭代出的序列{xn}弱收敛于T的不动点.

快速迭代反卷积算法的超分辨性能分析

传统观念认为，扫描体制下的实孔径雷达方位分辨力决定于3dB波束宽度，这使得雷达难以从方位上区分同一波束内的两个等距目标。迭代反卷积算法是一种简单实用的超分辨算法，为分析迭代反卷积算法的超分辨性能，文章对线性迭代算法和P阶决速迭代算法进行了比较并对此做了仿真实验。仿真实验表明，P阶快速迭代反卷积算法的超分辨效果较佳，而且需要的迭代次数较少。

用于雷达方位超分辨的约束迭代Tikhonov正则化算法

针对Tikhonov正则化算法噪声适应能力差和不便于引进额外的约束对解进行限制等缺点,利用迭代Tik?honov正则化算法对雷达方位超分辨进行研究,证明了迭代Tikhonov正则化反卷积公式的收敛性,分析了迭代Tik?honov正则化算法的频域性质,在存在噪声的情况下,提出相应的噪声抑制方法,得到约束迭代Tikhonov正则化算法。针对不同信噪比情况进行了计算机仿真实验,结果表明,与迭代Tikhonov正则化算法相比,约束迭代Tikhonov正则化算法具有较强的噪声适应能力,与常用的约束迭代方法(CID)算法相比,具有较快的收敛速度,初步验证了算法的有效性。

解大规模线性方程组的Mann迭代并行算法

利用实函数不动点的Mann迭代算法,提出了一种求解大规模线性方程组新的并行算法,分析了算法的并行加速比,讨论了算法在基于消息传递机制的MPI并行环境下的实现流程,给出了并行环境上的实验。该算法适用范围广,数值计算结果表明理论分析与实际计算相符合,算法在并行环境下具有较好的并行度,可适合大规模科学与工程的高性能计算。

基于LS的梯度迭代最陡下降算法GISDA

提出了一种基于LS准则、利用梯度迭代的最陡下降算法G ISDA(G rad ient IterationSteepest D escent A lgorithm,G ISDA).该算法在梯度计算上比LM S精确.新算法与传统的最陡下降算法相比,具有运算量小、容易实现等优点.G ISDA算法比LM S算法收敛速度快、稳定性更好.并给出了G ISDA算法和LM S算法性能比较的计算机仿真结果和结论.

耦合矩阵方程AX+XB=C,DX+XE=F的梯度迭代算法

利用递阶辨识原理建立了一种耦合矩阵方程的梯度迭代算法,并给出了算法的收敛性证明。分析表明:在该耦合矩阵方程有唯一解的条件下,迭代解收敛到方程的唯一解,并通过一个数值例子验证了算法的有效性。

基于频率域峭度谱迭代阈值的多尺度形态学轴承故障诊断方法

在复杂恶劣的环境中,存在滚动轴承故障信息难以准确提取的问题。因此,引用多尺度数学形态学对滚动轴承故障诊断开展研究。由于小尺度形态学滤波能较好的保存信号的细节特征,大尺度形态学滤波能有效抑制噪声,因此为了能更好的兼顾噪声抑制和故障特征信息保存,采用迭代阈值的方法选取尺度范围,运用频率域峭度谱方法计算出阈值,然后通过迭代自适应获取最佳尺度区间。多尺度形态学信号重构加权方法引用加权多尺度形态梯度算法,该方法能保证小尺度具有较小的权重,大尺度具有大权重。通过仿真和实验表明:多尺度形态学有效检测出滚动轴承故障信号,深度挖掘滚动轴承故障特征信息。

Wiener非线性系统的共轭梯度迭代算法研究

针对实际过程控制过程中广泛存在的非线性情况,该文主要研究了一类Wiener非线性系统的参数辨识问题。首先运用关键项分离技术,得到一个可辨识的Wiener非线性模型,进而采用共轭梯度迭代辨识算法估计出模型的未知参数,最后通过数值仿真验证了算法的有效性。

基于超像素和改进迭代图割算法的图像分割

基于经典的图割(Graph cut)理论,提出一种基于超像素和改进Graph cut算法的图像分割算法。采用改进简单线性迭代聚类算法,得到前景边缘信息保存较完整的超像素图像。以超像素为处理单元,通过融合颜色、梯度等信息重建能量函数,并基于Graph cut框架进行分割。仿真结果显示,与Grabcut算法相比,改进算法不仅具有更高的分割精度,提取的目标边缘较完整、光滑,而且大幅提升了分割效率。

超分辨率图像重构分层迭代ICA算法研究

分析了超分辨率图像重构的数学模型,指出了超分辨率图像重构的关键问题,提出了用分层迭代ICA算法(HI-ICA)解决面向序列数据的超分辨率图像三维重构的新方法,并用Matlab软件进行了数值仿真实验。结果表明,这种方法对超分辨率图像重构精度的提高有一定的理论和应用价值。

数字图像相关中基于非线性灰度改变模型的灰度梯度迭代算法

传统的数字图像相关方法用于位移及应变场的测量都是基于物体表面同一点在变形前后灰度不变的基本假设。但是在实际应用中,灰度会受到光照及环境等因素的影响而随着时间发生变化。针对这一问题,将比较符合实际情况的非线性灰度改变模型引入到灰度梯度迭代算法中,并通过计算机模拟实验验证算法的精度及稳定性。结果表明,改进后的算法能够降低由于灰度改变所引起的测量误差。

超松弛迭代-双共轭梯度在三维电磁问题有限元分析中的应用

应用矢量有限元方法(FEM)对三维电磁问题进行分析,研究应用超松弛迭代(SSOR)方法预处理的双共轭梯度(BICG)求解有限元线性方程组的收敛特性.文中给出了SSOR-BICG方法的高效算法,并对三维腔体的电磁散射问题和三维波导不连续性结构进行了分析.研究表明,通过SSOR预处理,在不增加内存消耗的情况下,有限元系数矩阵性态大为改善,BICG求解速度大大提高.SSOR-BICG方法在计算时间上比BICG方法和共轭梯度法(CG)分别可以提高了4倍和44倍,从而为电大目标的有限元方法快速分析提供技术支持.