正则化参数
正则化参数的相关文献在1996年到2022年内共计160篇,主要集中在自动化技术、计算机技术、测绘学、无线电电子学、电信技术
等领域,其中期刊论文120篇、会议论文9篇、专利文献627414篇;相关期刊91种,包括大地测量与地球动力学、地球物理学报、河南科学等;
相关会议9种,包括2015全国博士生学术论坛(测绘科学与技术)、2009国际信息技与应用论坛、2008年(第十届)中国科协年会等;正则化参数的相关文献由387位作者贡献,包括徐会林、刘晓刚、朱正为等。
正则化参数—发文量
专利文献>
论文:627414篇
占比:99.98%
总计:627543篇
正则化参数
-研究学者
- 徐会林
- 刘晓刚
- 朱正为
- 楚红雨
- 胡彬
- 郭玉英
- 付峰
- 代萌
- 吕中荣
- 唐诗华
- 张跃
- 徐灿华
- 杨滨
- 汪利
- 王延新
- 王振杰
- 王泽文
- 肖宇辉
- 董秀珍
- 解凯
- 陈武凡
- B·J·布伦德尔
- J.兰德洛夫
- J·贝洛拉多
- M·格拉斯
- M·马罗
- R·D·比普斯
- R·普罗克绍
- S.佩雷维兹耶
- S.萨帕斯
- S.麦肯诺斯
- T·克勒
- 乔少华
- 刘学超
- 刘辉
- 史振威
- 向晓燕
- 吴炜明
- 周建江
- 周杰
- 周飞
- 唐中实
- 喻建华
- 孙东梓
- 孙文
- 孙萌
- 安佳星
- 宋立新
- 尚振宏
- 崔凯
-
-
王乐洋;
赵雄;
许文斌;
汪驰升;
方楠;
谢磊
-
-
摘要:
在多源数据联合反演同震滑动分布过程中,各类观测数据之间相对权比的确定是当今大地测量与地球物理联合反演领域的研究热点和难点。近年来,赫尔默特方差分量估计法因其可以同时估计虚拟观测数据及实际观测数据之间的比例因子的优势,在联合反演滑动分布领域中得到了广泛应用。然而,利用HVCE法确定多源数据联合反演相对权比过程中易出现负方差现象。针对以上问题,本文提出在HVCE法确定联合反演相对权比过程中添加线性不等式约束,利用带有线性不等式约束的平差模型进行求解(LC-HVCE),解决计算过程中出现负方差问题。为了验证LC-HVCE法的有效性,开展模拟地震试验,结果表明LC-HVCE法可以有效地解决HVCE法在确定联合反演相对权比过程中存在的不足,保证了同震滑动分布反演精度。蒙特卡洛模拟试验及拉奎拉实际地震反演结果进一步表明了LC-HVCE法在确定正则化参数与相对权比过程中较HVCE法的适用性与稳定性。
-
-
吴炜明;
王延新
-
-
摘要:
大数据背景下,基于罚函数的正则化方法是高维数据变量选择的重要方法.Lasso估计是常用的变量选择方法,而Lasso正则化参数的取值直接影响选择模型的性能,是正则化方法成败的关键.针对Lasso估计,提出一种新的L曲线(LC)准则选择正则化参数.数值模拟和实际应用表明:相比CV,GCV,BIC等准则,LC准则能够以较高的概率选择真实的模型,并且具有较小的模型误差.
-
-
张文豹;
王梦阳;
薛向尧;
邵明振;
王光
-
-
摘要:
振动信号通常蕴藏着机械设备运行的丰富信息,对振动信号进行监测分析可以感知设备的运行状态。但在复杂工况下采集到的多源耦合信号,很难进行有效地解耦分离并提取。为此,提出了基于稀疏非负矩阵分解(SNMF)的机械复合故障信号分离方法。首先,对传感器采集到的初始信号进行短时傅里叶变换,获取表示特征信息的时频分布;其次,在算法中引入正则化参数控制稀疏程度及重构误差,减少特征信息的冗余成分;然后,利用改进SNMF算法对时频分布矩阵分解降维,将分解后的矩阵在时域中重构分离信号;最后,将得到的重构分离信号进行包络频谱分析,提取故障特征信息,实现机械复合故障信号分离。实验采用含有复合故障的滚动轴承为研究对象,分析结果表明:提出的方法可以有效分离提取出轴承中存在的复合故障特征,实现了复合故障信号的分离与诊断。
-
-
-
沈凤仙
-
-
摘要:
针对传统的图像压缩感知重建算法的视觉传达效果不好、成像质量低的缺点,将图像分块理论引入压缩感知图像重建,结合曲波变换具有适合表达边缘细节信息和曲线信息的优点,利用曲波变换对MRI图像进行稀疏表示,形成一种基于视觉传达效果的MRI图像压缩感知图像重构算法.选择信噪比、相对l2误差和匹配度为评价指标,通过无噪图像、加噪图像、不同采样频率对重构图像质量影响进行3组实验.实验结果表明,图像重构时,在信噪比、相对l2误差和匹配度3个评价指标上,提出的算法GPBDCT均优于SIDCT和PBDCT,同时GPBDCT具有很强的抵抗噪声的能力,在保持图像细节和边缘方面效果很好.
-
-
林怡婷;
蔡涛;
邓喜珊;
张天羽;
张婷婷;
王延新
-
-
摘要:
通过讨论MCP-Logistic模型,以某商业银行客户流失历史数据为例,探究模型的变量选择能力以及预测效果.提出了正则化参数的直接给定方法,且不需要预调节.实证分析中,相比于Lasso-Logistic模型、SCAD-Logistic模型和决策树模型,MCP-Logistic模型最终选取得到7个重要变量的系数估计以及计算得到F统计量值为0.4210,这说明该模型对于高维数据变量的压缩效果更好,且具有较好的分类预测能力.
-
-
杨达豪;
吕中荣;
汪利
-
-
摘要:
将旋转叶片简化为旋转梁,文章提出了一种基于快速稀疏正则化的旋转梁损伤识别方法.该方法将结构损伤识别简化成非线性最小二乘问题,即寻找损伤参数,使得模态残差最小.损伤识别是典型的反问题,通常具有非适定性,即识别结果对测量误差十分敏感.为克服非适定性并快速求解损伤识别反问题,提出了一种快速稀疏正则化方法.该方法将稀疏正则化简化成一个摩擦模型,模型中的静摩擦力即为正则化参数.数值算例表明,该方法不仅能准确识别出旋转梁的损伤程度和位置,还可以快速地确定正则化参数,从而有效地减少迭代次数,提高计算效率.
-
-
-
柏恩鹏;
熊向团
-
-
摘要:
考虑了四分之一平面内的热传导方程的侧边值问题,这类问题是严重不适定的.采用传统拟逆方法得到该问题的一个近似解,但发现它并不是一个正则化解.有趣的是,对解的分母项加以修正便可以得到侧边值问题的一个正则化解,进而提出了一种新的正则化方法,并分别给出先验和后验两种正则化参数选取规则下的H9lder型误差估计.数值实验验证了所提方法的可行性和有效性.
-
-
何广焕;
唐诗华;
邢鹏威;
张跃;
蒙金龙
-
-
摘要:
为了提高区域GNSS高程拟合模型的预测精度,针对最小二乘支持向量机(LSSVM)模型中难以选择最佳参数的问题,将鲸鱼算法(WOA)引入最小二乘支持向量机中,利用其全局搜索能力强、参数少、收敛速度快等特性,为常规最小二乘支持向量机提供可靠的核参数和正则化参数。采用少量实际工程中的GNSS水准重合点进行检验,选择高程异常值的残差均方根误差作为组合算法建模精度的评判依据。结果表明:在带状区域中,WOA-LSSVM拟合模型的外符合精度相对于常规LSSVM拟合模型提高了30.3%;在小范围面状区域中,WOA-LSSVM拟合模型的精度、稳定性也优于LSSVM、BP拟合法,为今后GNSS高程拟合模型的建立提供了一定的参考价值。
-
-
-
LIU Xiao-Gang;
刘晓刚;
LI Ying-Chun;
李迎春;
CHANG Yi-Feng;
常宜峰;
SUN Wen;
孙文
- 《2014年大地测量研究进展学术研讨会》
| 2014年
-
摘要:
在实际的工作中,航空重、磁测量常常是在起伏的航线上进行的,然而重、磁资料的定量解释方法一般要求测量数据分布在一个平面上,因此,这就需要将实测资料换算到一个平面上。向下延拓是重、磁测量数据处理的关键步骤之一,然而,向下延拓是一个典型的不适定问题,需要采用正则化方法实现有效延拓,因此,正则化参数的确定是重、磁测量数据向下延拓正则化方法研究中最重要内容.本文根据观测面和延拓面测量数据的Poisson积分平面近似关系,结合快速傅里叶变换算法,将其转换到频率域进行计算,提高了计算速度,为了克服计算的不稳定性并进一步提高计算结果的精度,引入Landweber正则化迭代法,在此基础上采用L曲线法研究了最优正则化参数的确定,最后采用模型磁测数据验证了所确定的正则化参数的有效性,并取得了较好的延拓结果.
-
-
- 《2008年(第十届)中国科协年会》
| 2008年
-
摘要:
提出了基于均方误差最小意义下的最优正则化求定岭参数的方法,并结合算例分析比较了求解病态方程的L-曲线法、GCV法等常用的方法,算例表明,本文提出基于最小均方误差的Tikhonov正则化参数优化选取方法是一种可行有效的方法.
-
-
-
-
陈天懿
- 《2015全国博士生学术论坛(测绘科学与技术)》
| 2015年
-
摘要:
点质量模型将区域内扰动质量用均匀分布的一系列离散质点表示,建立重力位模型系数与点质量的映射关系,从而利用GRACE卫星的时变重力场模型解算区域内各质点质量变化的时间序列.由于点质量模型观测方程的法方程病态性严重,设计矩阵极小的波动就会引起解的剧烈波动,因此采用正则化算法进行参数估计,其正则化参数根据估值方差与估值偏差的二次型之和最小为准则计算,并以最小二乘解作为初值,迭代求解满足上述条件的正则化参数。
-
-
-
-
崔凯;
李兴斯;
李宝元
- 《中国计算力学大会2003'》
| 2003年
-
摘要:
基于同伦映射的思想,改进了求解非线性反问题的梯度正则化算法.通过路径跟踪有效地拓宽了梯度正则化算法求解的收敛范围.对于正则化参数的选取采用下降速率可调的连续化参数选取方法,在保证迭代稳定的条件下,得到较好的计算效率,同时该算法具有一定的抵抗观测噪声能力.实际算例表明,该方法收敛范围宽,计算效率高,在存在较强观测噪声的条件下也能得到很好的反演结果.