求解稀疏逻辑回归问题的嵌套BB算法的分裂增广拉格朗日算法

逻辑回归是经典的分类方法,广泛应用于数据挖掘、机器学习和计算机视觉.现研究带有程。模约束的逻辑回归问题.这类问题广泛用于分类问题中的特征提取,且一般是NP-难的.为了求解这类问题,提出了嵌套BB(Barzilai and Borwein)算法的分裂增广拉格朗日算法(SALM-BB).该算法在迭代中交替地求解一个无约束凸优化问题和一个带程。模约束的二次优化问题.然后借助BB算法求解无约束凸优化问题.通过简单的等价变形直接得到带程。模约束二次优化问题的精确解,并且给出了算法的收敛性定理.最后通过数值实验来测试SALM-BB算法对稀疏逻辑回归问题的计算精确性.数据来源包括真实的UCI数据和模拟数据.数值实验表明,相对于一阶算法SLEP,SALM-BB能够得到更低的平均逻辑损失和错分率.     

负载均衡问题

自Ron Graham20世纪60年代发表第一篇负载均衡算法的论文以来,平行机排序作为组合优化近似算法理论的首个问题引起了学界的广泛兴趣,其本身研究的不断深化也一路见证了该领域的发展历程.介绍负载均衡问题的来龙去脉,特别是作者所在团队在相关问题的研究进展,从算法和复杂性不同的视角分析经典问题的计算本质,并对未来的研究提出一些建议.     

SFE-SSD: 浅层特征增强的SSD算法在小目标检测问题中的研究与应用

SSD (Single Shot Multibox Dectetor)算法由于具有高速且高精度的检测性能,是目前最好的目标检测算法之一.但由于提取检测框的特征层的特征信息不足, SSD算法在小目标检测任务中表现不佳.为了解决这个问题,目前大部分方法以严重牺牲检测速度为代价提升目标检测模型的精度. 本文提出了SFE-SSD (Shallow Feature Enhancement SSD)提升SSD模型在小目标检测任务中的性能.首先我们采用反卷积操作对SSD算法中检测框金字塔特征层的最浅特征层进行特征扩张.接着通过特征融合机制对扩张后的特征层进行特征增强操作.浅层特征增强策略与SSD 的原始框提取金字塔特征层是并行结构,一定程度上是可以减少检测速度的损失.实验结果显示,我们的方法在PASCAL VOC 2007数据库上精度达到了78.4\%mAP高于SSD算法1.2\%,检测速度达到了81帧/秒,并且在小目标检测任务中有着显著的提升.     

改进的Whipple防护结构与相关数值模拟方法研究进展

基于弹丸在超高速撞击薄板时破碎形成碎片云的机理,Whipple防护结构能够对航天器所面临的空间碎片及微流星体等威胁形成有效防护。通过回顾Whipple防护结构的研究和发展历程,对多层板结构、填充式防护结构、夹芯板结构等进行对比,分析其力学效应和防护性能;总结可应用于含泡沫、蜂窝、梯度和编织等材料的防护结构超高速撞击的数值模拟方法及其改进方法;结合相关材料的超高速撞击试验及数值模拟结果,为防护结构未来的研究方向提出建议。     

艾拉姆咖分布参数变点的Bayes估计

研究了艾拉姆咖分布变点估计的非迭代抽样算法(IBF)和MCMC算法.在贝叶斯框架下,选取无信息先验分布,得到关于变点位置的后验分布和各参数的满条件分布,并且详细介绍了IBF算法和MCMC方法的实施步骤.最后进行随机模拟试验,结果表明两种算法都能够有效的估计变点位置,并且IBF算法的计算速度优于MCMC方法.     

随机ADMM算法及其在电力系统凸经济调度问题中的应用

针对电力系统中的一类凸经济调度问题,提出了随机ADMM算法,设计了周期循环更新规则和随机选择更新规则,证明了随机ADMM算法在周期循环更新规则下的收敛性,以及得出了在随机选择更新规则下按期望收敛的结论.数值实验结果表明该方法可以有效解决电力系统中的凸经济调度问题.     

基于模量重构的张量互补问题的光滑牛顿算法（英文）

近年来,张量作为矩阵的推广,得到了广泛的研究.在众多张量相关的问题中,张量互补问题(TCP)是许多学者研究的一个重要领域,人们提出了许多解决TCP的方法.本文在强P-张量张量和光滑逼近函数的基础上,提出一种基于基于模的重构的TCP光滑牛顿算法,证明光滑牛顿方法是全局收敛的.数值算例验证了光滑牛顿算法的有效性.     

一类奇异摄动对流扩散方程组的自适应网格方法的收敛性分析

基于经典的迎风有限差分方法,本文讨论一类奇异摄动对流扩散方程组的自适应网格算法.首先,利用Taylor级数展开,给出离散格式的局部截断误差估计.然后,利用等分布原理和极大值原理,证明基于弧长控制函数的自适应网格算法是一阶收敛的.最后的数值实验验证了本文的理论结果.     

线性权互补问题的新全牛顿步可行内点算法

基于一个连续可微函数,通过等价变换中心路径,给出求解线性权互补问题的一个新全牛顿步可行内点算法.该算法每步迭代只需求解一个线性方程组,且不需要进行线搜索.通过适当选取参数,分析了迭代点的严格可行性,并证明算法具有线性优化最好的多项式时间迭代复杂度.数值结果验证了算法的有效性.