基于ADMM的L1/2稀疏迭代分布式算法研究与应用

随着互联网、物联网、传感器网络等信息技术的迅猛发展,各个应用领域的数据呈爆炸性增长,特别是电力行业,每时每刻都会产生大量的数据。在大数据时代,如何高效准确地从大规模数据集中获取有价值的知识引起学术界和工业界的日益关注。迫切需要高效的机器学习和数据挖掘技术对海量数据进行分析和处理。同时,并行计算、高性能计算和分布式计算等丰富的计算资源为大规模机器学习算法研究提供强有力的计算平台。分布式机器学习作为机器学习最重要的研究领域之一,受到广泛关注。基于此,围绕ADMM分布式算法研究工作展开,在此基础上针对L1/2稀疏迭代算法进行分布式优化。

组稀疏表示的双重l1范数优化图像去噪算法

由于图像受噪声的影响,无法从降质信号中获得准确的稀疏系数.针对此问题,对一种组稀疏表示的双重l1范数优化图像去噪算法进行研究,该算法同时采用非局部相似图像块组稀疏表示的l1范数和稀疏残差作为正则项对组稀疏系数进行约束,并利用一种有效的迭代收缩算法实现对模型的优化求解,以获取更鲁棒的稀疏系数,另外,为了进一步提高去噪性能,采用贝叶斯公式推导出自适应调整两个正则化参数的方法.实验结果表明,与现有的许多算法相比,新算法能够在去除噪声的同时抑制伪影,保护图像的细节信息,峰值信噪比相对经典的BM3D算法而言,最多可提高1.24 dB.

基于改进半阈值算法的电容层析成像滑油监测方法研究

针对航空滑油检测过程中电容层析成像(Electrical Capacitance Tomography,ECT)存在的病态性和欠定性问题,将稀疏正则化中基于L1/2正则化的半阈值迭代算法应用到ECT图像重建,加入L2范数的惩罚项,构造新的泛函模型,并在迭代过程中设计一种新的约束项以优化解向量。仿真实验采用Comsol 5.3搭建系统模型,Matlab 2014a处理采集数据。实验结果表明,与Landweber迭代算法相比,改进算法成像误差降低37.33%,相关系数提升33.67%;与半阈值迭代算法相比,改进算法成像误差和相关系数分别降低12.31%和提升11.86%,图像误差降低至0.24,相关系数提升至0.92,且成像时间依然保持在0.06s。实际滑油监测的实验系统采用现场可编程门阵列(Field Programmable Gate Array,FPGA)直接数字频率生成模块生成数字量的正弦激励信号,通过D/A转化为正负交流信号对测量电极进行激励。实验结果表明,基于ECT系统的改进半阈值迭代算法可以满足航空发动机滑油监测的实时性和准确性的要求。