基于大规模高维线性回归模型的分布式计算方法研究

大数据背景下挖掘大规模高维数据所隐藏的信息备受关注.本文主要目的是采用分布式优化方法解决加SCAD和Adaptive LASSO惩罚的高维线性回归中的参数估计和变量选择问题.主要方法是通过构造全局损失函数的一个交互有效的正则化替代损失函数,把基于全局损失函数的优化问题转化为基于替代损失函数的优化问题.本文设计的修正的ADMM算法,在计算上,只需要子机器基于局部数据计算梯度,而主机器进行参数估计和变量选择.在主从机器交互复杂度上,基于替代损失函数所得的估计误差收敛于基于全局损失函数所得的估计误差.通过模拟和实证研究进一步验证本文提出的分布式计算方法在实际生活中的可行性和实用性.     

全局优化问题的一个新的无参数填充函数

求全局最优化问题的填充函数算法被提出以来，参数的选取和调整一直是制约算法有效性的因素。如何在实际的计算过程中选取合适的参数，直接影响和决定了运算速度和效率。因此，构造不含参数的填充函数就显得极为重要。提出一个新的无参数的填充函数，对其理论性质进行了分析，并给出相应的填充函数算法，数值计算验证了算法的有效性。     

3.0T MRI检查结合X线钼靶诊断乳腺恶性肿瘤的研究

本研究探讨3.0T磁共振成像(MRI)结合X线钼靶诊断乳腺恶性肿瘤的价值。采用回顾性研究方法,选取乳腺肿块患者110例162个病灶,给予3.0T MRI及X线钼靶检查。经病理确诊为恶性病变101个;恶性病灶形态不规则、边缘毛刺、时间-信号强度曲线(TIC)类型Ⅲ型和早期增强率≥60%比例明显高于良性病灶(P<0.05),而分叶状比例和表观扩散系数(ADC)值明显低于良性病变(P<0.05);恶性病变X线钼靶表现:形态不规则、钙化、结构不对称和大导管征比例明显高于良性病变(P<0.05);MRI联合X线钼靶诊断乳腺恶性病变的灵敏性、准确性和阴性预测值明显高于MRI诊断(P<0.05)。3.0T MRI检查结合X线钼靶诊断乳腺恶性肿瘤有较好的价值。     

基于差分反射高光谱成像的薄层TMDC材料检测技术研究

二维过渡金属硫化物(TMDC)材料因为独特的激子效应和材料学性质，在太阳电池、光催化、传感器、柔性电子器件等领域得到广泛的应用。层数对其性质有显著的调控作用，自动检测识别所需层数的样品是其从实验室走进半导体制造工业的重要技术需求。本文结合反射高光谱成像技术与图像处理算法，发展了一种二维TMDC薄层样品的显微成像自动检测技术。基于自主搭建的反射高光谱成像系统，对制备的不同层数TMDC标准样品进行了光学对比度的系统研究，阐明了层数的差分反射光谱机理，提出了可靠的层数判定方法。基于传统边缘检测技术优化设计了一套图像处理算法，实现了TMDC样品的图像检测及层数鉴定。本文方法具有普遍性、实用性，结合自动对焦的扫描控制，能够实现大规模的自动化样品检测，这也为其他表面目标的显微识别和检测提供了新的灵感和参考。     

基于Caputo导数的分数阶非线性振动系统响应计算

研究了含分数阶Caputo导数的非线性振动系统响应的数值计算方法。首先，由Caputo分数阶导数算子的叠加关系，得到含分数阶导数项非线性振动系统状态方程的标准形式。其次，基于Caputo导数与Riemann-Liouville导数和Grunwald-Letnikov导数间的关系，推导计算了Caputo导数的一般数值迭代格式。本文方法不要求状态方程中各分数阶导数阶数相等，弱化了已有算法中对分数阶导数阶数的限制，并可推广到多自由度的情形。随后，选择若干有解析解的算例验证了本文方法的正确性。最后，以多吸引子共存的分数阶Duffing振子系统为例，比较Caputo和GL两种算法所得结果，说明了用GL算法求解存在的问题。     

可见/近红外光谱图像在作物病害检测中的应用

农作物病害严重影响了我国正常的农业生产，现代农业迫切需要快速、准确、高效的作物病害诊断方法。首先简单介绍了常用病害检测技术，如：聚合酶链式反应技术、人工感官判定技术、统计学方法等，这些方法或是比较费时、或是只能用于产生明显病斑后的病害诊断，而光谱技术在植物病害的快速检测方面有一定的潜力，目前已有大量的研究成果。主要围绕可见/近红外光谱图像在病害检测的应用展开分析和讨论，讨论了该技术所涉及的仪器，并从细胞、植物组织、冠层及更大尺度层面分析了该技术在病害检测中的现况。目前大部分与植物病害有关的可见/近红外光谱研究都以植物叶片为对象，而在更小尺度（细胞至显微尺度）和更大尺度（冠层至航空/航天遥感方面）上的研究较少，特别是单细胞级别的病害研究，只在动物细胞领域展开，而且以荧光、拉曼、红外光谱为主。可见/近红外在以植物叶片为主要研究对象的器官尺度上有大量的成功应用，目前的研究已涉及了大部分的常见作物及其主要病害，包括真菌性、细菌性等各种病原引起的病害的检测。植物叶片尺度的研究主要从以下三个方面展开：(1）基于计算机图像处理和模式识别的病害信息自动快速判断；(2）基于化学计量学方法的高光谱或高光谱图像病害程度模型；(3）建立与作物病害有关的叶片某些理化参数的光谱模型，从而量化病害的程度。在植物叶片这一尺度相关研究的主要问题是：研究过于碎片化，往往只研究了某一种或少数几种病害，所建的模型只能用于特定实验条件，无法直接自动判断任意田间样本的染病种类与程度。在近地冠层尺度，植株的三维形态对光谱模型有较大的干扰，有文献表明以植株近地冠层2D图像作为病害检测数据，偏差较大，所建模型不稳定，基于卫星影像的病害模型较少。还讨论了常用光谱及光谱图像建模与分类方法。目前可见/近红外光谱在农作物病害方面有一定的应用潜力，但存在研究内容的不平衡、研究系统性不够、各学科合作研究不够深入等几大问题。最后提出可见/近红外光谱在病害检测领域中应更注重多学科的深入合作，并急需相关的仪器设备、方法模型方面的突破。     

二维解卷积波束形成水下高分辨三维声成像

针对水下三维成像的空间分辨率难以提高,且具有较高旁瓣级的问题,提出了一种二维解卷积波束形成高分辨三维声成像算法,该算法首先完成任意距离切片的平面阵波束形成,近场情况下采用菲涅尔近似实现近场平面阵波束形成,然后通过二维解卷积技术对任意距离切片的二维波束形成结果进行解卷积处理,去除阵列指向性函数的影响,改善波束响应非理想冲击函数所造成波束形成主瓣宽及旁瓣级高的问题。通过计算机仿真分析,新算法可以有效的提高水下三维成像的空间分辨率,抑制旁瓣级,并能够在较宽频带和不同阵列孔径内保持与常规波束形成相当的稳定性。通过试验研究,新方法比常规波束形成实际目标成像分辨率提高一倍,最高旁瓣级下降20 dB,验证了该算法在实际系统中的有效性.      

求解矩阵方程AXB+CXD=F参数迭代法的最优参数分析

本文针对求矩阵方程AXB+CXD=F唯一解的参数迭代法，分析当矩阵A，B，C，D均是Hermite正（负）定矩阵时，迭代矩阵的特征值表达式，给出了最优参数的确定方法，并提出了相应的加速算法.