正则化参数

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。

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.

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。

摘要： 考虑一类非齐次热方程的侧边值问题,这是一类严重不适定问题.首先给出该问题的解,然后用分数次Tikhonov正则化方法给出其近似解,并进行误差估计.

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.

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.

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.

摘要： 证明了文献[1]所提的数值导数方法是一种广义导数,研究了该数值导数方法中正则化参数的后验选取和正则化解的收敛性和误差估计等问题.数值实验表明本文提出的4种后验选取正则化参数的策略对低阶数值导数是可行的.

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.

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。

摘要： 近场声全息是一种非常有效的噪声源识别和定位方法,利用测量点与声源之间的振动声学传递关系,反演过程中需采用正则化方法来获得最优解.最优正则化参数的选取是该方法的重要步骤,常采用L-curve法,广义交叉验证(GCV)法等.本文提出在基于逆边界元法声场逆向求解过程中采用Bayesian正则化准则来选择最优的正则化参数,与采用L-curve和GCV法的声场重建结果进行对比,通过仿真分析,验证了Bayesian正则化准则在逆边界元法声全息中应用的正确性与有效性.

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.

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.

摘要： 在很多超分辨率复原应用中，正则化参数是未知的。从多帧欠采样和降质图像估计正则化参数的计算代价十分昂贵。本文提出一种基于Arnoldi过程的高效率方法。它将大型稀疏系统矩阵投影到Krylov子空间上，并表达成一个小型稠密的Hessenberg矩阵。该方法利用Hessenberg矩阵简化超分辨率复原中解和残差范数计算的代价。通过计算曲率带的计算可确定Arnoldi过程的恰当迭代次数。该方法秩序只需一次Arnoldi过程分解就能确定L-曲线。

摘要： 该文对DFT域中的RCTLS算法提出两个具有创新性的解决方案：首先提出了局部线化优化算法进行求解；在此基础上，作者还对正则化参数进行自适应选择，以进一步提高恢复图像的质量。实验证明，采用局部线化方法可以成倍地提高计算速度，明显改善了图像恢复质量；同时，对正则化参数进行了自适应迭代选择不仅提高了工作效率，并且能使恢复图像的质量得到进一步改善。

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。

摘要： 针对聚束式SAR成像特点，提出一种新的基于层析成像模型的聚束式SAR图像复原方法。给定SAR图像的一个初始猜测值作为探测图像内部特征的外部激励条件，并建立基于层析SAR成像正演模型来获得成像理论值。rn 为了克服图像复原的病态问题和更好地保留SAR图像中的目标纹理信息，采用了自适应正则化参数，使其与复原的送代运算同步进行并自动修正到最优值。同时，根据正演模型与自适应修正矩阵来确定SAR图像复原的反演模型，解方程得到SAR复原图像的修正量，并通过设定门槛值作为迭代终止条件，以获得最终的图像复原结果。实验结果表明，该方法对存在模糊和噪声的SAR图像有较好的复原效果。

摘要： 本文提出在超分辨率复原中使用基于隐含重起Arnoldi过程来高效计算正则化参数的方法.通过隐含重起Arnoldi过程,可选择一个较好的初始向量.该方法将大型稀疏系统矩阵投影到Krylov子空间上并表达成一个小型稠密的Hessenberg矩阵.该方法可减少正则化参数的计算代价.

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.

摘要： 本发明涉及用于预测受检者的血糖轮廓的方法和设备。采用包括预测设置阶段和预测执行阶段的多阶段算法，预测设置阶段指定用于预测的泛函空间，并且预测执行阶段在所述泛函空间中指定作为时间的连续函数的预测的受检者的将来血糖状态。

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的输入字符依次输入文本正则化模型对应的循环神经网络中，其中输入文本对应的输入字符序列按照如下方式生成：按照第一预设粒度对输入文本进行分割得到第一分割结果；将第一分割结果中的具有至少两种正则化结果的非汉字字符进行标签化处理；基于循环神经网络对各输入字符进行分类，得到输入字符序列的预测分类结果；根据输入字符序列的预测分类结果与输入文本的正则化文本的标注分类结果之间的差异，对神经网络的参数进行调整；该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性。

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该文本正则化模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的字符依次输入待生成的文本正则化模型对应的神经网络中，文本正则化模型对应的神经网络包括编码器和解码器；对输入字符序列中的每个字符，基于解码器中的隐藏层在对输入的上一个字符解码后的状态，采用编码器进行编码，得到字符的中间语义向量，并采用解码器对中间语义向量进行解译，得到字符的预测结果；根据输入字符序列的预测结果与输入文本对应的标注结果之间的差异，对神经网络的参数进行调整。该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性和准确性。

摘要： 本发明涉及用于预测受检者的血糖轮廓的方法和设备。采用包括预测设置阶段和预测执行阶段的多阶段算法，预测设置阶段指定用于预测的泛函空间，并且预测执行阶段在所述泛函空间中指定作为时间的连续函数的预测的受检者的将来血糖状态。

摘要： 本申请提供了一种特殊字符的正则化方法和装置、特殊字符的正则化模型的训练方法和装置、计算机设备，以及计算机可读存储介质。其中，正则化方法包括：将初始文本中的数字替换为对应的数字类别，得到目标文本，初始文本包括特殊字符的组合，特殊字符包括数字，数字类别包括数字的长度信息和/或数字中所包含的歧义数字的位置信息，歧义数字是指具有不同发音的数字；对目标文本进行编码，得到语义表示矩阵；基于语义表示矩阵确定每个特殊字符对应的目标发音类别，目标发音类别选自多个预设发音类别，每个特殊字符对应至少一个预设发音类别。该正则化方法解决了现有技术中特殊字符的正则化模型的训练样本的标注工作量较大的问题。

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该文本正则化模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的字符依次输入待生成的文本正则化模型对应的神经网络中，文本正则化模型对应的神经网络包括编码器和解码器；对输入字符序列中的每个字符，基于解码器中的隐藏层在对输入的上一个字符解码后的状态，采用编码器进行编码，得到字符的中间语义向量，并采用解码器对中间语义向量进行解译，得到字符的预测结果；根据输入字符序列的预测结果与输入文本对应的标注结果之间的差异，对神经网络的参数进行调整。该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性和准确性。

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的输入字符依次输入文本正则化模型对应的循环神经网络中，其中输入文本对应的输入字符序列按照如下方式生成：按照第一预设粒度对输入文本进行分割得到第一分割结果；将第一分割结果中的具有至少两种正则化结果的非汉字字符进行标签化处理；基于循环神经网络对各输入字符进行分类，得到输入字符序列的预测分类结果；根据输入字符序列的预测分类结果与输入文本的正则化文本的标注分类结果之间的差异，对神经网络的参数进行调整；该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性。

摘要： 基于位姿参数正则化的超声容积重建方法及装置，能够获得高质量的三维徒手式超声容积重建，并且方法实现速度较快，成本低，能够避免阻碍工作空间，具有很好的实用性。方法包括：(1)正则化模型的参数初始化；(2)跟踪数据正则化处理；(3)体数据构建；(4)三维超声体素插值；(5)三维超声空洞补全。

摘要： 本公开提供了一种基于复合正则化参数的雷达成像方法，可以应用于雷达成像技术领域。该基于复合正则化参数的雷达成像方法包括：获取回波信号；根据回波信号和预设成像函数，确定预成像函数；根据预成像函数，确定成像超曲面表达式，预成像函数包括正则化参数；根据成像超曲面表达式和正则化参数中的每个子正则化参数的预设阈值，确定与正则化参数对应的目标参数值集合；基于预成像函数和目标参数值集合，确定目标成像函数；以及根据目标成像函数，生成与回波信号对应的图像。本公开还提供了一种基于复合正则化参数的雷达成像装置、设备、介质和程序产品。

摘要： 本发明涉及一种弱化正则化参数的三维重力反演方法、系统和存储介质，所述方法包括：根据三维模型中的模型加权矩阵和模型加权矩阵的逆矩阵，生成用于弱化正则化参数的反演替换公式；根据反演替换公式和三维模型的原始反演公式中，得到三维模型的第一反演公式；根据第一反演公式对三维模型进行三维重力反演。本发明通过对原有的三维重力反演公式进行变型替换，在保留三维模型约束的情况下，实现了在弱化正则化参数的情况下进行三维重力约束反演，在保证三维重力反演过程计算精度的同时，也提升了三维重力反演过程的计算效率。