双水平集算法及其在函数轮廓估计中的应用

摘要

针对小样本、带噪声随机信号的双水平集估计问题,提出了D_LSE算法。采用构造隐函数的方法,将二维曲线问题转换为三维曲面的水平集估计问题,以高斯过程描述随机信号的统计特性,考虑两个不同阈值,将样本点划分为超水平集、中水平集、次水平集。给出了D_LSE算法的理论框架分析,进行了充分的数值实验,修改了相关参数(精度参数、采样点数)进行对比分析,采用F1分数评价方法给出了算法质量评估结果,将D_LSE算法应用于函数最优化问题。改进了LSE算法,使其更适用于双阈值问题。经过验证,D_LSE算法具有较高分类质量与较低复杂度,能够有效处理小样本空间下随机信号的双阈值问题,可广泛应用于有限随机信号的研究。