修正HS共轭梯度法在大规模信号重构问题中的应用

本义研究了压缩感知在大规模信号恢复问题中应用的问题.利用修正HS共轭梯度法及光滑化方法,获得了具有较好重构效果的算法.数值实验表明用修正HS共轭梯度法解决大规模信号恢复问题是可行的.     

BFGS校正拟牛顿法解决大规模信号恢复问题

本文采用BFGS校正拟牛顿法研究了大规模信号恢复问题min{u 1:Au=b},这个问题通常被转化为1正则化最小二乘问题.利用Nesterov光滑化技术对u 1进行光滑化处理,原问题被转化为无约束光滑凸规划问题,最后获得了较好的数值实验结果,实验结果表明用BFGS校正拟牛顿法解决大规模信号恢复问题是可行的.     

部分支集已知的信号恢复

稀疏信号恢复是压缩感知的主要研究问题, 目前已经取得了非常丰富的成果. 而在实际应用中,往往有一些先验信息可以利用, 以提高恢复的效率, 减少测量次数. 本文主要讨论部分支集已知的稀疏或可压缩信号恢复问题, 提出了一个松弛零空间条件并且改进了保证信号稳定恢复的限制等距常数界.     

关于 ``Banach spaces failing the almost isometric universal extension property'' 的一个注记

D.M. Speegle 在文献[1] 中给出了具有常数 $\alpha$的性质${\cal A}$ 的定义,并且证明了任意无限维的可分一致光滑Banach空间都具有这样的性质,而且常数 $\alpha\in [0,1)$.本文给出了一个使得无限维可分Banach空间具有这种性质的充分条件,以及几个关于文献[1] 的注解.     

广义(ω)性质及亚循环算子

研究了Weyl定理的一种变化形式:广义$(\omega)$性质; 给出了广义$(\omega)$性质成立的充要条件.同时, 广义$(\omega)$性质及算子的亚(超)循环性之间的关系得到了研究.     

具$w_0$-距离度量空间中$p$-逼近$\alpha$-$\eta$-$\beta$-拟压缩的最佳逼近点定理

本文提出了一类称为$p$-逼近$\alpha$-$\eta$-$\beta$-拟压缩的新的非自映射,并引进了关于$\eta$的$\alpha$-逼近可容许映射和关于$\eta$的$(\alpha,d)$正则映射的概念.基于这些新概念,在$w_0$-距离度量空间中研究了此类新压缩最佳逼近点的存在唯一性,并给出了一个新的定理,推广和补充了文[Ayari, M. I. et al. Fixed Point Theory Appl., 2017, 2017: 16]和[Ayari, M. I. et al. Fixed Point Theory Appl., 2019, 2019: 7]中的结果.给出了一个例子来说明主要结果的有效性.进一步地,作为推论得到关于两个映射的最佳逼近点和公共不动点定理.作为其中一个推论的应用,讨论了一类Volterra型积分方程组的求解问题.     

基于基底合并的分片稀疏恢复

如我们所知,诸如视频和图像等信号可以在某些框架下被表示为稀疏信号,因此稀疏恢复(或稀疏表示)是信号处理、图像处理、计算机视觉、机器学习等领域中被广泛研究的问题之一.通常大多数在稀疏恢复中的有效快速算法都是基于求解$l^0$或者$l^1$优化问题.但是,对于求解$l^0$或者$l^1$优化问题以及相关算法所得到的理论充分性条件对信号的稀疏性要求过严.考虑到在很多实际应用中,信号是具有一定结构的,也即,信号的非零元素具有一定的分布特点.在本文中,我们研究分片稀疏恢复的唯一性条件和可行性条件.分片稀疏性是指一个稀疏信号由多个稀疏的子信号合并所得.相应的采样矩阵是由多个基底合并组成.考虑到采样矩阵的分块结构,我们引入了子矩阵的互相干性,由此可以得到相应$l^0$或者$l^1$优化问题可精确恢复解的稀疏度的新上界.本文结果表明.通过引入采样矩阵的分块结构信息.可以改进分片稀疏恢复的充分性条件.以及相应$l^0$或者$l^1$优化问题整体稀疏解的可靠性条件.     

多应答数据下列联表的检验

本文讨论多应答数据(Multiple Column Responses)下列联表的独立性检验问题, 针对对立假设为序假设的情形, 提出一个近似$F$检验. 模拟表明, 该检验的名义水平与真实水平接近, 并有较高的功效.     

一般单调变分不等式的一个改进的预估-校正算法

最近何炳生等提出了解大规模单调变分不等式的一种预估-校正算法,然而,这个方法在计算每一个试验点时需要一次投影运算,因而计算量较大．为了克服这个缺点,我们提出了一个解一般大规模g-单调变分不等式的新的预估-校正算法,该方法使用了一个非常有效的预估步长准则,每个步长的选取只需要计算一次投影,这将大大减少计算量．数值试验说明我们的算法比最新文献中出现的投影类方法有效．     

基于小波框架方法的信号重构

从含有噪音的离散样本中恢复连续信号是一个基本问题,它在信号,图像处理,医学工程,控制等领域发挥着重要作用.提出了一个基于小波框架方法的信号重构模型,并运用增广Lagrangian乘子法和加速近端梯度法来求解该模型,从而从混合或未知类型噪音的离散样本中恢复连续信号.进一步,给出了重构模型解的L_2范数误差分析.最后通过数值实验,从噪音样本中恢复连续信号,突出模型的有效性.     

单位圆上解析系数的高阶复微分方程

The growth of solutions of the following differential equation ■ is studied, where A_j(z) is analytic in the unit disc D = {z : |z| 1} for j = 0, 1,..., k-1. Some precise estimates of [p, q]-order of solutions of the equation are obtained by using a notion of new[p, q]-type on coefficients.     

On Rees Factor $S$-Posets Satisfying Condition $(P_w)$

In this paper, we present some homological classifications of pomonoids by using Rees factor $S$-posets satisfying condition $(P_w)$.     

关于Ext代数生成次数的界的一个注记

为了研究分次代数的Yoneda代数的有限生成性,Green和Marcos于2005年引进了δ-Koszul代数的概念并提出了三个公开问题.本文通过讨论分段Koszul代数的相关性质,给出了第三个问题的答案.     

压缩感知和稀疏优化简介

介绍压缩感知和稀疏优化的基本概念、理论基础和算法概要. 压缩感知利用原始信号的稀疏性,从远少于信号元素个数的测量出发,通过求解稀疏优化问题来恢复完整的原始稀疏信号. 通过一个小例子展示这一过程,并以此说明压缩感知和稀疏优化的基本理念. 接着简要介绍用以保证l₁凸优化恢复稀疏信号的零空间性质和RIP条件. 最后介绍求解稀疏优化的几个经典算法.     

球面上$\ell_1$正则优化的随机临近梯度方法

本文研究球面上的$\ell_1$正则优化问题,其目标函数由一般光滑函数项和非光滑$\ell_1$正则项构成,且假设光滑函数的随机梯度可由随机一阶oracle估计.这类优化问题被广泛应用在机器学习,图像、信号处理和统计等领域.根据流形临近梯度法和随机梯度估计技术,提出一种球面随机临近梯度算法.基于非光滑函数的全局隐函数定理,分析了子问题解关于参数的Lipschtiz连续性,进而证明了算法的全局收敛性.在基于随机数据集和实际数据集的球面$\ell_1$正则二次规划问题、有限和SPCA问题和球面$\ell_1$正则逻辑回归问题上数值实验结果显示所提出的算法与流形临近梯度法、黎曼随机临近梯度法相比CPU时间上具有一定的优越性.     

油气资源数值模拟的变网格交替方向特征有限元格式和分析

石油科学在有机地球化学、石油的生成、运移、聚集研究取得重大进展,在评价油气资源时,对盆地发育史尤其对流体流动规律和受热变化历史的计算是非常重要的.其数学模型是三维空间非线性偶合偏微分方程组的初边值问题.从实际出发,考虑了流体的压缩性和三维问题大规模科学与工程计算的特征, 提出了一类变网格交替方向特征有限元格式,应用变分形式、算子分裂、广义$L^2$投影、能量方法、负模估计、微分方程先验估计的理论和技巧,得到最佳阶$L^2$误差估计. 此方法已成功应用到油气资源评估数值模拟的生产实践中,成功解决了这一重要问题.     

权重$l_2$空间上关联线性时不变算子的性质

本文讨论了选取不同类型权重序列$\{w(t)\}_{t\in \mathbb{Z}}$时,权重$l_2(\mathbb{Z},w)$空间上关联线性时不变算子的性质,同时还讨论了非稳定关联线性时不变卷积算子的可闭性的有关问题,提出了关于线性时不变算子一些新的问题,并指出可在一大类权重$l_2(\mathbb{Z},w)$空间上进行鲁棒设计.     

基于l2/lq(q=2/3)最小化模型的块稀疏信号恢复

该文主要研究了块稀疏信号的恢复问题.利用q块限制等距性质(0<q≤1),通过极小化混合l₂/l_q(q=2/3)范数,建立了块稀疏信号恢复的一个充分条件,并且得到了在有噪声情形下信号恢复的误差界.通过数值实验,验证了该模型对于块稀疏信号的恢复有较高的成功率.     

完备的$\nu$-广义度量空间上的不动点定理[英文]

本文对度量空间中$C$类函数的压缩映射进行推广. 在完备的$\nu$-广义度量空间上, 利用构造迭代序列的方法, 证明了关于($\psi$,$\phi$)-类型压缩映射的不动点定理. 并且证明了广义的$F$类型压缩和广义$\theta$类型压缩映射.     

一类基于经验特征函数的正则化数值微分方法

利用经验特征函数,我们提出了一种$\ell^1$正则化数值微分方法.区别于传统的数值微分方法,该方法直接输出了目标函数的近似导数.更进一步,我们的方法可以产生关于经验特征函数的稀疏表示.数值结果显示了该方法的有效性.