基于Optuna框架的L_(p)范数约束下多核支持向量机在违约风险预测中的应用

针对违约数据存在数据量大、维度多、不平衡及噪声大等缺点,提出一种改进的支持向量机方法,即基于Optuna框架的L_(p)范数约束的代价敏感的多核支持向量机(L_(p)-Optuna-SVM)。该方法采用成本矩阵对不同预测错误赋予不同数值,通过多核学习引入多核混合核函数组合;同时采用Optuna优化框架对犯错成本、核函数的参数和权重实现了自动化的调优过程;还在核函数权重上引入L_(p)范数约束,以提高模型对噪声和异常数据的鲁棒性。最后,对4种常用的基础核函数组合的L_(p)-Optuna-SVM进行探讨,并与单核支持向量机以及K邻近法、逻辑回归、高斯贝叶斯进行对比。结果表明,在给定数据集上,L_(p)-Optuna-SVM在违约数据上的g-mean和AUC均高于其他算法,并且在加了不同方差的噪声数据集上,该算法整体依旧保持较好的鲁棒性。

基于l_(p)范数的离格稀疏空时自适应处理算法

稀疏恢复(Sparse Recovery,SR)空时自适应信号处理(Space Time Adaptive Processing,STAP)仅需要少量的杂波样本即可有效抑制杂波,但是稀疏恢复空时自适应信号处理依赖于空时字典,当载机运动方向与天线放置方向存在偏航角时,杂波脊偏离空时字典格点,出现离格问题,从而导致杂波抑制性能下降。已有的基于l_(1)范数类的离格稀疏恢复算法在存在噪声时性能下降,没有充分利用杂波的稀疏性,文章提出一种基于l_(p)(0<p<1)范数的离格空时自适应处理算法,首先将建立基于空时字典更新的稀疏恢复空时自适应模型,然后将该模型松弛为l_(p)(0<p<1)范数的非凸优化问题,最后利用主函数最大化算法将该优化问题转化成凸优化问题,利用两层迭代求解的方法得到该问题的解,最后利用模型的解估计杂波协方差矩阵。通过仿真实验表明,提出的算法能够提高存在离格问题时的杂波恢复精度,抑制杂波的性能也优于已有的基于变分推断的算法。

基于改进Split Bregman的电容层析成像滑油监测研究

针对电容层析成像(Electrical capacitance tomography,ECT)技术应用于滑油系统磨粒在线监测时,其图像重建过程中存在的不适定性问题,提出了一种基于迭代p阈值函数的Split Bregman(SB)图像重建算法。首先,建立基于SB算法的ECT图像重建模型。其次,建立基于L_(p)范数的SB模型。最后,为更方便求解L_(p)范数的阈值迭代形式,引入了p阈值函数。通过灵活选取p值,提高了SB算法的精度和适用性。仿真实验结果表明,与Landweber,Tikhonov正则化和SB算法相比,改进SB算法图像误差降低了约30%,相关系数高达0.96,成像速度与Landweber成像速度相近。实验结果表明,改进SB算法能够胜任滑油系统磨粒监测任务,并提高了成像质量。

基于L_(p)范数联合全变分的磁共振成像重构方法

局部k空间邻域模型是最近提出的一种k空间低秩约束重构模型,其利用图像的线性位移不变性将图像的k空间数据映射到高维矩阵中,可以解决图像重构的问题。在并行磁共振成像重构的过程中,使用欠采样技术来提高成像速度会导致重构图像的质量下降,为此提出一种基于交替方向乘子法求解的L_(p)范数联合全变分正则项局部k空间邻域建模算法,将所提算法与其他算法在人体的脑部和膝盖数据集上进行实验。实验结果表明,相比于其他算法,所提算法能够减少重构图像的伪影,更好地保留重构图像的边缘轮廓信息,重构效果更好。

基于改进HHO算法的碳交易价格组合预测研究

为提高碳交易价格预测精度,建立了多策略改进哈里斯鹰算法的碳交易价格组合预测模型。一方面对碳交易价格序列的高频和低频序列分别建立ARIMA模型和指数平滑模型,通过加和对碳交易价格进行预测。另一方面综合考虑碳交易价格的经济指标和技术指标,通过Pearson相关系数筛选出6个与下一日碳交易价格高度相关的变量作为解释变量,建立多策略改进哈里斯鹰优化极限学习机模型(THHO_ELM)。最后,对模型I和模型II建立基于l_(p)范数的组合预测模型。结果表明,组合预测模型优于单一的分类模型。

最大相干混合态的量子相干性

量子相干性作为一种重要的物理资源,是量子力学最基本的特性之一,同时也是量子信息的优势所在,吸引了大量科学研究者的兴趣和注意力。主要探讨常见量子相干度量下高维量子系统中最大相干混合态的相干值。通过计算给出了高维量子系统中最大相干混合态在6种常见相干度量下的相干值的解析表达式。

一种改进的光滑化共轭梯度稀疏信号重构算法

压缩感知理论可以在远低于奈奎斯特采样率的前提下精确重构稀疏信号,重构算法是该理论的核心内容之一。为提高稀疏信号重构精度,提出一种改进的光滑化共轭梯度算法并将其应用到真实口腔CT图像重构中。与光滑化共轭梯度算法相比,首先,该算法采用的在线柏萝登⁃弗莱彻⁃戈德福布⁃生纳(Online Broyden⁃Fletcher⁃Goldfarb⁃Shanno,OBFGS)校正矩阵近似目标函数的Hessian逆矩阵的精度更高,进而提高了信号重构精度;其次,相较于线搜索准则求步长的方法,该算法采用自适应巴尔兹莱⁃博韦恩(Barzilai⁃Borwein)步长方法,降低了步长计算量。实验结果表明:与改进前的算法和半阈值算法相比,该算法重构稀疏信号的成功率和信噪比均提高、相对误差降低;重构CT图像的峰值信噪比和结构相似性指数均提高,最大分别提高约3.14 dB和0.015。

基于交替方向乘子算法的二维磁异常稀疏反演

磁异常反演是获取地下场源磁化率分布的重要手段之一,在地球勘探中扮演着重要角色.在磁异常反演中,对比光滑反演,稀疏反演的结果具有边界分明,物性参数分布集中的特点,更符合实际情况.针对稀疏反演,本文首先构建了具有代表性的基于L_(1)范数目标函数,利用交替方向乘子算法可分离凸函数的特点,将极小化L_(1)范数的优化问题分解为一系列的子问题,通过对子问题求解获得原问题的解;为了增强交替方向乘子算法的适应性,本文结合广义软阈值函数将交替方向乘子法推广于L_(p)(0<p<1)范数的反演中.为了验证本文提出的算法的有效性,采用了三种常规模型进行模拟实验.与基于L_(2)范数的反演算法进行实验对比,结果表明,本文算法得到了边界清晰,磁化率分布更集中的反演结果.最后,将基于交替方向乘子算法的L_(1)和L_(p)(0<p<1)范数的反演应用到青海省尕林格铁矿保护区获得的实际磁异常数据中,获得了较为符合实际地质情况的稀疏反演结果.