摘要：K均值-奇异值分解(KSVD)去噪方法存在病态问题,因此需要引入正则项进行改进。通过改进正则化近似参数设定,利用AKSVD(近似KSVD)方法对弱信号的识别优势,提出正则化参数自动优选的RAKSVD去噪方法,并进行模型测试和实际资料处理。结果表明,该方法不仅取得了预期的去噪效果,而且更加注重对弱信号的保护,去噪后地震弱信号没有发生畸变,从而有利于对弱信号的提取和识别,同时计算效率还得到了提升。

摘要：图像风格转化在计算机视觉领域广受关注,其研究目标在于将输入图像利用计算机转化为具有某种特定艺术风格的图像.线描画作为一种古老的画种,它通过简单的线条勾勒物体的轮廓,具有简约、抽象的风格.本文提出一种基于方向场正则化的线描画生成算法,该算法由4部分构成:1)采用非局部平均滤波对输入图像进行预处理;2)计算输入图像的方向场,并基于自表示的思想对方向场进行Tikhonov正则化,为了提高运算速度,采用Sherman-Morrison-Woodbury公式来对正则化算法进行加速;3)以正则方向场作为引导,对预处理图像作高斯差分滤波;4)根据人类视觉系统的非线性特点,设计感知阈值(Perceptual thresholding)算法来对高斯差分滤波的结果进行阈值处理,得到二值化的线描画图像.仿真实验表明,该算法可将输入图像转化为线条流畅且能有效表达输入图像主要信息的线描画图像.

摘要：基于三维变分同化(3DVAR)的思想,提出一种适用于多普勒天气雷达资料直接同化的正则化方法.从寻求Yo=H(X)带有偏差δ的极小模解出发,引入正则化思想,并给出与3DVAR方案不同的新代价函数.针对2008年8月14日发生在北京地区的一次局地暴雨过程,设计了一组数值试验,并采用L曲线准则后验选取最优正则化参数.数值结果表明:正则化方法和3DVAR方案均能有效同化多普勒雷达资料,雷达径向速度的同化效果明显好于反射率因子;正则化参数取值越小,分析场增量越明显,同化进入初始场的中小尺度信息越多,分析场与观测场越接近;同化得到的分析场,能够在一定程度上缩短模式起转调整时间,提高短期降雨预报的准确率,其中最优选取正则化参数的同化试验能够延长雷达资料同化时效,进一步改善降雨预报效果,合理雨区雨带分布,相应得到的TS评分也更高.

摘要：目前流行的模型压缩剪枝算法裁减的对象通常是整个卷积核.一些网络结构中存在特征图维度匹配的硬性要求,如ResNet中的残差结构主干上最后一个卷积层的卷积核个数以及Inception网络中的级联操作前所有分支上最后一个卷积层的卷积核个数都不能改变,这直接限定了剪枝的空间.本文提出一种正则化机制下的多粒度神经网络剪枝方法,针对维度匹配限制了剪枝空间的问题,设计从粗到细的多粒度剪枝策略,在稀疏化的同时维持了处于维度匹配位置的卷积层中卷积核的数量不变.并且,本文提出一种自适应L1正则化的稀疏方式,可以使网络在更新参数的同时兼顾到网络结构的变化.稀疏化后的卷积核不仅有比原卷积核更少的参数和计算量,而且拥有更加优异的结构性质,使网络具有更高的表达能力.例如,在CIFAR-10上,针对VGG-16,相比基准网络,在计算量压缩了76.73%的情况下,准确率提高了0.19%;针对ResNet-56,在计算量压缩了82.54%的情况下,准确率只下降了0.14%.在ImageNet上,针对ResNet-50,在计算量压缩了56.95%的情况下,准确率只下降了0.48%.本文方法优于现有先进的剪枝方法.

摘要：神经网络对噪声污染数据的过拟合是模型设计中主要考虑的问题。将Tiknonov正则化方法用于RBF神经元网络的设计,在网络学习中将正交最小二乘与前向选择相结合进行网络参数的估计,通过k均值聚类算法获得网络中心,采用L-曲线方法进行正则参数估计,并将该正则化RBF网络用于气体分馏装置产品质量的预测。仿真结果表明,该模型简单易行,并具有较快的计算速度和较好的泛化能力。

摘要：二维核磁共振能从"弛豫-扩散"两个维度上展现流体性质,在识别稠油储层方面具有理论优势,是当前核磁共振测井技术的研究热点.本文深入研究二维核磁共振测井原理,系统分析CPMG-DE脉冲序列测量扩散系数与弛豫时间的方法,结合核磁共振二维谱数理模型,提出一种基于SVD和BRD的正则化反演算法.该算法通过SVD压缩数据,采用带非负约束的Tikhonov正则化方法求解流体"弛豫-扩散"分布,并基于BRD算法迭代确定最佳正则化因子.模拟实验与数值分析表明,该算法无需先验信息、运算效率高、相对误差小,在原始数据信噪比低至50时,仍可有效获取流体(T2,D)二维分布.在二维核磁共振测井数据实时解释应用中,该方法较传统反演算法(如TSVD)具有较大优势.同时,在自主研发的核磁共振测井仪测量CuSO4溶液(T2,D)分布的实验显示,本文设计算法对弛豫时间和扩散系数的反演误差分别仅为2%和4%,较TSVD算法有较大改善.

摘要：针对复杂背景下红外弱小目标检测难题,将背景杂波抑制归结为从原始红外弱小目标图像中重建目标数据的过程,据此提出了一种基于马尔可夫随机场模型(MRF)的自适应正则化滤波算法.该算法采用MRF,建立了红外弱小目标图像的先验概率模型,并根据图像的粗糙度设计了新的势函数.在此基础上,采用MRF对背景杂波抑制过程进行正则化处理,从而实现了对红外背景杂波的自适应各向异性抑制.理论分析与实验结果表明,该算法能够随图像局部纹理特征的变化自适应地调整滤波算子结构,从而可在复杂背景下自适应地抑制杂波、增强信号,有效地提高了图像的信噪比,且该算法结构简单,更易于硬件实时实现.

摘要：显著目标检测旨在快速地辨别自然图像的显著区域.为了更完整地将图像的显著区域与背景分离,根据低秩恢复理论提出基于迹表示和正则化的显著目标检测算法.首先将核范数替换为矩阵的迹表示以获取更低秩的解;然后在模型中加入拉普拉斯正则化项,减少稀疏矩阵和低秩矩阵的联系;最后将位置、颜色和边界连接先验整合成权重矩阵,融入到矩阵分解模型中.在Matlab平台下的MSRA1K, SOD, ECSSD和iCoseg这4个数据集上与13种算法进行比较的实验结果表明,该算法优于其他算法.

摘要：将模型减缩技术应用于动态响应的求解,基于Tikhonov正则化载荷反求方法,在迭代过程逐步修正载荷信号,使系统的响应逼近期望响应信号,最终精确反求出载荷信号.算例表明,该方法相对于传统Tikhonov方法,既保留了良好抗噪特点,同时又提高了峰值载荷处的反求精度,从而使得整体反求精度更高.

摘要：采用一种半解析正则化算法,计算了三维位势问题边界元法中近边界点的几乎强奇异和几乎超奇异面积分.该算法适用于三角形线性等参元.对高次单元将其细分为几个三节点三角形单元即可应用该算法.由于几乎奇异性,与内点邻近的单元上的积分,采用半解析正则化积分算法计算;而远处单元的积分仍保持常规高斯积分.对三维热传导算例,计算了近边界点的温度和热流.数值结果证明了该算法的有效性和精确性.