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。     

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.     

零误差计算

研究采用有误差的数值计算来获得无误差的准确值具有重要的理论价值和应用价值.这种通过近似的数值方法获得准确结果的计算被称为零误差计算.本文首先指出,只有一致离散集合中的数才能够开展零误差计算,即有非零隔离界的数集,这也是"数"可以进行零误差计算的一个充要条件.以此为基本出发点,本文分析代数数零误差计算的最低理论精度,该精度对应于恢复近似代数数的准确值时必要的误差控制条件,但由于所采用恢复算法的局限性,这一理论精度往往不能保证成功恢复出代数数的准确值.为此,本文给出采用PSLQ (partial-sum-LQ-decomposition)算法进行代数数零误差计算所需的精度控制条件,与基于LLL (Lenstra-Lenstra-Lovász)算法相比,该精度控制条件关于代数数次数的依赖程度由二次降为拟线性,从而可降低相应算法的复杂度.最后探讨零误差计算未来的发展趋势.