摘要：针对地震滑动分布反演中正则化参数选取问题,提出利用U曲线法确定地震滑动分布反演正则化参数。利用U曲线法、L曲线法设计模拟实验,并将两种方法应用到芦山实际震例反演中。模拟实验以及芦山实际震例反演结果表明,利用U曲线法确定正则化参数反演地震滑动分布结果与L曲线法相比具有反演精度高、无需依赖数据拟合精度等优势。

摘要：为了改进半参数模型补偿最小二乘估计中的正则化参数选取方法,该文设计了3种方案:L-曲线法、虚拟观测法以及该文提出的改进方法以比较正则化参数的优劣。模拟算例表明,该文提出的改进方法可以有效评价正则化参数,得到的参数估值精度更高,是一种较为有效的选取补偿最小二乘最佳正则化参数的方法。

摘要：模糊C均值聚类算法(Fuzzy C-mean,FCM)因随机选取初始聚类中心,造成算法求解过程不稳定(即存在不适定性问题).针对此问题,提出一种最优正则化参数的核FCM算法,首先在核FCM的目标函数中引入正则化项和正则化参数;然后推导出用L曲线法寻优正则化参数所需的迭代更新公式;最后用迭代更新公式设计最优正则化参数的核FCM算法.在UCI测试数据集上的实验结果表明:本文所提算法的平均稳定性较传统FCM提高了5倍,平均准确率和平均召回率也分别提高了30%和33%.本文用L曲线法寻优核FCM的正则化参数是可行的,能有效地抑制FCM的不适定性.

摘要：重力数据反演海底地形的方法是获取全球海底地形数据的重要途径。针对传统地形反演算法需要间接引入经验参数的问题,本研究以不采用经验公式为原则,从空间域方法入手,结合重力正演公式,建立重力异常与地形之间的解析观测方程,采用最小二乘方法进行求解。为了得到观测方程最优解,建立牛顿迭代关系,引入正则化参数,增强方程组的收敛性。顾及边缘效应对正演的影响,采用双线性插值算法对原始重力异常数据进行加密处理和无约束网格扩充以削弱误差。在太平洋海域(155°E~156°E,16°N~17°N)构建了1′×1′分辨率的海底地形模型,并通过船测水深数据验证。相比于传统空间域算法——重力地质法,本研究方法的均方根误差降低了12.7%,验证了其可行性与准确性。

摘要：针对稀疏控制比例仿射投影算法收敛速度和稳态失调之间的矛盾及正则化参数最优值难以确定的问题,通过迫使后验误差功率等于系统噪声功率,提出一种正则化参数随噪声功率大小进行自适应调节的稀疏控制比例仿射投影算法。算法解决稀疏控制比例仿射投影算法中正则化参数最优值的选取问题及快速收敛和稳态失调之间的矛盾。仿真结果验证所提算法的有效性。

摘要：由于成像质量好，空间分辨率高，CT技术已成为一种广泛使用的医疗检查和辅助诊断方法。然而过高的X射线辐射剂量可导致某些基因疾病，对身体健康造成极大隐患。因此CT扫描设备的设计需要考虑降低辐射剂量，减少探测器采集的投影数据是一个降低剂量的有效方法。

摘要：探讨Tikhonov正则化方法以及迭代Tikhonov正则化方法在航空重力数据向下延拓中的应用,指出Tikhonov正则化方法在利用GCV法或L曲线法选取正则化参数时存在的不足以及空间域迭代法迭代不收敛的问题。引入波数域Tikhonov迭代正则化法,有效解决了上述方法存在的问题;针对迭代次数的确定问题,提出基于重力异常差异熵的迭代次数确定方法。算例结果表明,波数域迭代法迭代过程收敛,且计算精度高、速度快,值得广泛应用于航空重力数据的向下延拓。

摘要：针对采用支持向量机(Support Vector Machine,SVM)区域高程异常拟合法最佳参数难以确定问题,本文提出采用鲸鱼算法(Whale Optimization Algorithm,WOA)优化SVM区域高程异常拟合法。本方法利用WOA获取SVM中核函数与正则化参数,替代SVM算法中全局性搜索较差的交叉验证方法,构建高精度区域高程异常拟合模型。试验结果表明,采用WOA-SVM方法得到的高程异常拟合结果在精度、稳定性上均优于现有多项式拟合法和SVM拟合法,可为相关区域高程异常拟合提供一种有效方法。

摘要：为有效降低地化线路的建设费用与损耗费用,以智能变电站地化线路作为研究对象,设计基于正则化的安装位置优化方法。将地化线路安装位置选取问题转换为非线性、多约束、多目标的综合性问题,构建地化线路综合费用计算公式,通过以惩罚因子形式引入地理信息因素,统一地化线路投资与运行费用以及安装费用,构建安装位置选取的数学模型。利用中心化与平衡预处理阶段,实现安装位置优化。所提优化方法极大程度缩减了地化线路建设费用、安装费用以及网损费用,优化后地化线路位置避免了难以安装的范围,使供电质量与安全得到保证。

摘要：本文提出了两种基于多带结构的仿射投影符号子带自适应滤波器(Affine Projection Sign Subband Adaptive Filter,AP-SSAF)的改进方法。针对稀疏系统的系统识别,设计了两种子带自适应滤波器。首先给出了AP-SSAF的变正则化参数更新方程,文中采用随机梯度下降法来更新正则化参数,来使系统的均方偏差最小化,该方法能同时兼顾快速收敛及低稳态失调。其次将权重分布矩阵引入AP-SSAF得到系数比例AP-SSAF,该方法能够利用系统的稀疏性提高AP-SSAF的收敛性能。仿真中将本文所提算法用于一般系统识别以及回波抵消,实验结果验证了本文的算法对脉冲噪声具有稳健性,具有较好的跟踪性能,并具有较快的收敛速度及低稳态失调。