一种基于BFGS拟牛顿公式的运动目标跟踪方法

提出了一种基于BFGS拟牛顿公式的运动目标跟踪新方法。将跟踪目标描述为特征空间中的直方图概率密度函数,运用Bhattacharyya距离作为相似性度量准则并构造定位目标函数;通过BFGS拟牛顿方法合理确定搜索方向进行目标的定位;采用逐层区域划分搜索策略,有效的避免了目标丢失的问题。实验结果表明该方法在精确性和实时性方面均能满足运动目标跟踪的实用要求。

基于BFGS拟牛顿算法的含噪数字字符识别

针对传统数字字符识别算法收敛速度慢且有可能陷入局部极小值等问题,提出了将BFGS拟牛顿算法应用于含噪数字字符识别:构造前馈型神经网络,调用Matlab神经网络工具箱中的训练函数trainbfg对网络进行训练.该算法收敛速度快、识别精度高,能够对含有一定噪声的数字字符进行识别,具有广阔的应用前景.

基于BFGS拟牛顿法的观测矩阵优化算法

观测矩阵构造是压缩感知研究中的一个重要内容,针对利用拟牛顿法优化得到的观测矩阵与稀疏基之间的相关性不够低导致信号的重构性能较差的问题,提出一种基于BFGS拟牛顿法的观测矩阵优化算法。算法首先利用BFGS方法求得近似Hessian矩阵对优化搜索方向进行修正,然后利用Wolf搜索准则确定优化搜索步长,最后通过迭代过程使观测矩阵逐步逼近最优。仿真实验结果表明,所提算法优化得到的观测矩阵与稀疏基具有更低的相关性,在信号的重构实验中可以得到更高的成功重构概率。

一类改进的BFGS拟牛顿法及与其他几种拟牛顿法的比较研究

拟牛顿法是最优化中一种重要的求解无约束问题的方法,对拟牛顿算法的改进是一个重点研究内容。基于新拟牛顿方程B_(k+1)·s^((k))=(y^((k)))^(*)提出一个新的改进的BFGS算法,结合以往几种改进的BFGS算法,采用Wolfe线搜索准则对迭代步长进行搜索,并通过选取一些测试函数利用MATLAB工具对这几种改进的BFGS拟牛顿法的收敛效果进行对比分析。实验结果表明,提出的改进的BFGS算法相较于以往几种改进的BFGS算法,收敛效果更好。

基于Armijo搜索步长的BFGS与DFP拟牛顿法的比较研究

拟牛顿法是求解无约束优化问题的重要方法,采用非精确Armijo准则确认搜索步长,其中初始点的选取采用两种不同的方法:利用MATLAB工具箱中的rand命令对BFGS和DFP两种算法的初始点进行随机选取;固定选择两个不同的初始点。讨论不同的初始点选取方法对两种算法收敛效率及结果的影响,最后对两种算法收敛效果进行比较研究。结果表明:在多项式函数中,初始点的选取方法对DFP法的收敛效率有一定影响,在低次函数中,DFP法收敛效率更好,在高次函数中,使用BFGS法的收敛效果更好;在非多项式函数中,随机取点对计算结果有一定影响,选择离极小点近的点作为初始点得到的最小值更好,并且使用BFGS法的收敛速度更快。

结构拓扑修改静态重分析的BFGS方法

利用BFGS拟牛顿法的局部超线性收敛特征,提出了基于此方法的结构拓扑修改静态重分析算法。特别是根据初始结构分析结果,构建了三种拓扑修改形式的BFGS修正迭代阵-近似Hesse矩阵逆的初始迭代矩阵的设置方法。与随机或一般指定初始迭代阵取为单位矩阵的BFGS算法相比较,应用此特殊选定的初始点,进行BFGS算法求解修改后结构的响应值能显著降低计算成本,计算结果验证了该算法的正确性和有效性。

基于GAPSO和BFGS修正法的联合爆破点定位方法

针对微震源精确定位问题,提出了一种结合遗传粒子群算法(genetic algorithm and particle swarm optimization,GAPSO)和拟牛顿BFGS修正公式的联合精确微震源定位的方法。新的联合算法引入了交叉变异功能,能有效避免PSO易收敛于局部极值的缺点,然后将其初步定位结果作为初始值带入BFGS算法,有效改善了BFGS定位精度依赖于初始值选取的缺点。实地实验结果表名:此方法相较于PSO及经典定位算法,在x,y,z三个方向上的精度都得到了提高。

固体结构损伤破坏统一相场理论、算法和应用

固体开裂引起的损伤和断裂是工程材料和结构最为普遍的破坏形式.为了防止这种破坏,结构设计首先必须了解裂缝在固体内如何萌生、扩展、分叉、汇聚甚至破碎;更重要的是,还需要准确量化这些裂缝演化过程对于结构完整性和安全性降低的不利影响.针对上述固体结构损伤破坏问题,本工作系统地介绍了笔者提出的统一相场理论、算法及其应用.作为一种裂缝正则化变分方法,统一相场理论将基于强度的裂缝起裂准则、基于能量的裂缝扩展准则以及满足变分原理的裂缝路径判据纳入同一框架内.不仅常用的脆性断裂相场模型是该理论的特例,还自然地给出了一类同时适用于脆性断裂和准脆性破坏的相场正则化内聚裂缝模型即PF-CZM.该模型非常便于通过有限元等方法加以数值实现;为了求解有限元空间离散后得到的非线性方程组,还介绍了几种常用的数值算法,其中整体BFGS拟牛顿迭代算法的计算效率最高.静力、动力和多场耦合条件下若干二维和三维代表性算例表明:相场正则化内聚裂缝模型PF-CZM能够高精度地再现复杂裂缝演化导致的脆性和准脆性固体损伤破坏;特别是,所有情况下,模型的数值结果不依赖于裂缝尺度参数和有限元网格.因此,该模型具有相当好的预测能力,有望在工程结构的损伤破坏分析方面发挥重要作用.最后建议了若干值得进一步开展的研究课题.

汽车转向非线性平衡点遗传算法求解及其改进

针对汽车转向非线性平衡点求解问题,研究了遗传算法求解效果并提出改进方法.建立汽车转向二自由度模型,说明汽车转向非线性平衡点只能数值迭代求解的原因,构造适于智能优化方法的适应度函数,提出了确定可行求解范围的方法.在车速70 km/h、路面附着系数0.5和前轮转角0~0.2 rad的行驶条件下,应用遗传算法求解得到3个平衡点.通过比较大小两个转角的适应值曲面,说明遗传算法求解小转角平衡点不满足精度的原因,提出了遗传算法与BFGS(broyden-fletcher-goldfarb-shanno)拟牛顿法融合的求解流程.结果表明:融合求解流程可以求解满足精度要求的小转角平衡点,求解效率高于遗传算法,弥补了遗传算法单独求解的不足.

基于激光数据配准的移动机器人自定位

提出了一种基于激光数据配准的移动机器人自定位方法。该方法避免了对激光数据进行特征提取以及点对点的对应,仅以预处理后激光数据的核密度估计作为定位依据,以核相关方法作为比较相邻两组激光数据相似性的度量准则,并在此基础上建立以旋转平移向量为参数的自定位目标函数。最后采用BFGS拟牛顿方法对目标函数进行寻优,最终实现移动机器人的自定位。对180度激光数据的仿真实验结果证明了该方法的有效性。

基于核密度估计的点云鲁棒配准算法

针对传统点云配准算法收敛区间窄、鲁棒性差的难题,提出了一种基于核密度估计的点云配准算法。构建了一种能够实现Kullback-Liebler测度与欧氏测度之间平滑过渡的核密度分布相似性测度,推导了该测度在刚体约束下的解析表达式;通过对比实验分析了测度函数在大尺度参数下平滑但存在极值偏移,在小尺度参数下全局极值位置精确但存在局部极值的性能特点;提出采用尺度参数可变的BFGS拟牛顿算法进行点云配准参数的寻优求解。实验结果表明,该算法实现了点云数据的配准,拓展了算法收敛区间,同时提高了算法在白噪声干扰下的鲁棒性。

重力和重力梯度数据联合聚焦反演方法

重力数据包含较多的低频信息,重力梯度数据包含较多的高频信息,将重力数据和重力梯度数据进行联合反演得到的结果更加可信.本文基于聚焦反演方法,实现了这一过程.因为联合反演中分量种类增加,所以计算灵敏度矩阵所需要的时间增加,为此,本文提出了一种快速计算灵敏度矩阵的方法.因为联合反演对内存的要求增大,本文选择有限内存BFGS拟牛顿法求解反演问题.本文通过再加权的方法实现深度加权.文中利用单一分量的反演结果来预测异常体的埋深信息,随后将埋深信息结合到深度加权函数中,将其用于多分量组合反演计算.给出了模型试验,发现预测得到的异常体的埋深信息与其实际埋深存在偏差,但是将这一信息应用到反演计算,能够得到与真实模型一致的结果.之后,本文通过模型试验来探究重力和重力梯度联合反演的优势,发现将重力和重力梯度数据联合,能够识别出额外的噪声,反演得到的模型更加合理.但是,对于不同分量组合得到的反演结果是相近的,反演模型的提高很小.最后,将联合反演方法应用到美国路易斯安那州Vinton岩丘的实际数据中,结果显示,将重力和重力梯度数据联合反演,反演模型得到了提高,反演得到的结果与地质资料吻合.

神经网络在交通图像压缩中的应用

利用神经网络的结构特征及良好的数据处理能力、在数据压缩领域拥有的先天优势,采用性能优良的BP算法构建网络模型。分析BP网络压缩的原理,搭建压缩系统模型,分别使用自适应学习率梯度下降法和BFGS拟牛顿法训练网络,从而实现交通图像的压缩与重建。实验结果表明,基于BFGS拟牛顿法的BP神经网络收敛速度快,压缩性能优良,获得低压缩率的同时重建图像视觉效果良好。

基于加权最小二乘变尺度法的无线传感器网络定位

为了降低整个无线传感器网络的成本和减小测量误差对定位精度的影响,一般传统做法是把已定位的未知节点升级为信标节点,再对其他节点进行定位,但此情况会造成累积误差。为了减少累积误差,提出了一种加权的最小二乘变尺度定位算法,该算法首先利用加权最小二乘法对未知节点进行位置估计,然后把定位的未知节点升级为信标节点,再对剩下的未知节点进行位置估计,最后利用拟牛顿法对估计出来的位置进行优化。仿真结果表明,该算法能有效地减少测距误差和累积误差,降低网络成本,提高网络覆盖率和传感节点的定位精度,并且该算法不增加额外硬件设备,易于实现。