初始模型对含噪动态光散射数据正则化反演结果的影响

分别采用最小模型矩阵、最平坦模型矩阵、最光滑模型矩阵作为初始化模型,对加入5种不同水平随机噪声的90 nm窄单峰、90 nm宽单峰和250 nm窄单峰、250 nm宽单峰颗粒体系的模拟分布进行了正则化反演,并对反演结果进行比较。结果表明：当噪声水平为0时,正则化初始模型的选择对反演结果没有明显影响。随着噪声水平的增加,采用三种初始化模型反演得到的峰值误差和粒度分布误差都随之变大,但采用最平坦模型和最光滑模型反演得到的峰值和粒度分布误差明显小于采用最小初始模型的反演误差。当噪声水平大于0.01时,选择最平坦初始模型获得的粒度分布结果优于采用最光滑初始模型和最小初始模型获得的结果,而采用最光滑初始模型反演得到的峰值优于最平坦初始模型和最小初始模型的反演峰值。因此,采用正则化算法处理含噪动态光散射数据时,为得到最优的粒度分布信息,宜采用最平坦初始模型,若需要获取最准确的峰值信息,则应选择最光滑初始模型。     

氮化硼纳米管阵列储氢的计算机模拟

采用巨正则蒙特卡罗方法模拟常温、中等压强下单壁氮化硼纳米管阵列的物理吸附储氢,重点研究压强、纳米管阵列的管径和管间距对单壁氮化硼纳米管阵列物理吸附储氢的影响.计算结果表明,氮化硼纳米管阵列的储氢性能明显优于碳纳米管阵列,在常温和中等压强下的物理吸附储氢量(质量百分数)可以达到和超过美国能源部提出的商业标准.并给出相应的理论解释.     

反馈调节的局部正则化鲁棒光流估计

提出了一种引入反馈调节机制的新局部鲁棒光流场计算思想.该思想结合局部法和全局法的特点,首先划分整场为有公共边界的子块,定义距离来判断每个点的子块归属,然后在每个子块内进行光流约束和平滑约束正则化的优化计算.将光流约束中的光强残差作为控制参量,衡量光流准确度的峰值信噪比作为输出,经反馈处理,调节控制参量使光流估计准确度趋向最优.实验结果表明,这种新的结合反馈调节机制局部光流场计算法能使光流准确度获得提升.     

基于全变分正则化的高能闪光照相消模糊图像重建算法

 针对高能闪光照相投影图像消模糊难度大的问题,提出了一种基于全变分正则化的消模糊图像重建算法,该算法根据闪光照相的成像特点,将客体的纵向截面作为一个整体来进行建模,并在重建方程中考虑了模糊因素,然后采用全变分范数作为正则项,构建了用于消模糊图像重建的展平泛函,将消模糊图像重建问题转化为能量泛函极小化问题,通过固定点迭代算法求解图像重建问题的最小化解。数值模拟结果表明：该算法由于考虑了闪光照相成像时的图像模糊因素,在重建时能够较好地消除模糊对重建结果的影响,在抑制噪声的同时能较好地保持图像的边缘信息,有利于提高重建图像的质量。     

一类热传导问题源项识别的快速稳定算法

利用正算子的性质和Lax-Milgram定理,将一维热传导方程源项识别问题转化为适定的、第二类Volterra方程的求解,给出一个新的快速稳定算法,并进行理论分析.采用两种实现后验准则的新途径,在输入数据的误差水平已知和未知的情况下,快速地决定正则参数.数值实验证实了算法的有效性.     

有限空间中经典场的正则量子化

从离散的角度研究带边界的1+1维经典标量场和Dirac场的正则量子化问题. 与以往不同的是, 这里将时间和空间两个变量同时进行变步长的离散, 应用变步长离散的变分原理, 得到离散形式的运动方程、边界条件和能量守恒的表达式. 然后, 根据Dirac理论, 将边界条件当作初级约束, 将边界条件和内在约束统一处理. 研究表明, 采用此方法, 不仅在每个离散的时空格点上能够建立起Dirac括号, 从而可以完成该模型的正则量子化;而且, 该方法还保持了离散情况下的能量守恒.     

基于FTIR技术和稀疏线性判别分析的秦艽种类鉴别

傅里叶变换红外光谱通常包含有大量的波长变量点,对其进行定性分析需要建立稳健的、可解释性的分类模型。稀疏线性判别分析(SLDA)是一种较为新颖和有效的机器学习算法,常用于高维度、小样本数据的变量筛选和判别分析,SLDA通过在线性判别分析中引入正则项,使分类器训练过程和变量选择过程同时完成,不同判别方向上载荷系数的稀疏性则增强了模型的可解释性。采集甘肃不同产地的秦艽样本94个,其中麻花秦艽(Gentiana straminea Maxim)30个,黄管秦艽(Gentiana officinalis)28个,大叶秦艽(Gentiana macrophylla Pall)36个,利用傅里叶变换红外光谱法获得所有样本的光谱图。取其中70个样本构成训练集,剩余24个为测试集。使用训练集建立SLDA模型,对2个判别方向上不为0的载荷系数个数进行网格化寻优,得到了最优的参数空间。利用建立的SLDA模型对测试样本进行预测,其分类准确率达到100%,实现了对三种秦艽的快速、准确鉴别。实验结果表明,与PLS-DA方法相比,SLDA模型在分类准确率、稀疏性及可解释性方面均具有一定优势,是一种新颖、有效的光谱定性分析方法。     

遗传算法结合正则化方法反演海洋大气波导

针对正则化方法在解决实际反演问题时既能克服问题的不适定性又可以很大程度上抑制噪声和误差的传播, 本文提出了利用遗传算法结合正则化方法的新算法, 在遗传算法适应度函数中引入正则化项来反演波导参数; 然后对算法进行仿真试验, 结果表明新算法与传统遗传算法相比具有较高的反演精度, 并指出当噪声误差小于10%时, 算法具有较强的“去噪”性能; 最后利用机载雷达在Wallops岛探测的海表面处局部回波资料进行反演试验, 将反演结果与实测大气折射率廓线进行比较, 说明该算法的有效性. 新方法为海洋大气波导反演研究提供了一种新思路.     

一种气象观测数据求导的新方法

气象观测数据不可避免地带有观测误差,而对带有误差的离散数据求导是一个不适定的反问题.为了解决这一长期困扰气象工作者的问题,利用吉洪诺夫正则化思想,提出了矩形区域内观测数据的二维一阶偏导数重构算法.通过系列模拟观测数据试验检验了该算法的性能,表明该算法有效且计算精度高.另外,应用该算法对气象观测资料进行客观分析,结果表明：该算法作为一种新的客观分析方法是可行的,并且还能提高小尺度天气系统的识别能力. 关键词： 数值微分 吉洪诺夫正则化 客观分析     

改进正则化正交匹配追踪波达方向估计方法

针对稀疏阵列模型下匹配追踪波达方向估计方法稳定性不足的问题,提出了改进的正则化正交匹配追踪波达方向估计方法——TROMPDOA(T-transform Regularized Orthogonal Matching Pursuit Directions of Arrival Estimation).仿真表明,TROMPDOA方法在计算复杂度上与原有正交匹配追踪波达方向估计方法OMPDOA(Orthogonal Matching Pursuit Directions of Arrival Estimation)相近,但在估计稳定性上要优于OMPDOA方法,特别是在低信噪比及信号源之间的角度较近时,TROMPDOA方法比OMPDOA方法稳定性提高1倍.实验验证了TROMPDOA方法适用于单元和多元目标估计,估计精度达到1.5°.