正则化

摘要： 基于稳定泛函约束思想,推导了距离观测方程非线性平差的正则化共轭梯度法.该算法将稳定泛函约束作用于共轭梯度法,解决了共轭梯度法求解病态测距定位方程的不稳定甚至不收敛的问题,提高了正则化数值算法的收敛效率,最后采用模拟数据和水下定位实测数据进行了验证.实验结果表明,该算法具有较好的收敛稳定性,收敛效率优于迭代正则化算法.

摘要： 基于国家重力基准网观测数据,采用正则化方法对LCR-G型相对重力仪周期项参数进行筛选,并分析平差解算的结果.结果表明,当惩罚因子λ取80时,正则化方法筛选相对重力仪周期项的效果良好,正则化参数α值的变化对周期项筛选结果影响甚微;周期项振幅量级最大超过10μGal,且对重力基准网平差重力值结果的影响达到μGal量级;相对重力仪的周期会随着观测环境或者时间变化,导致解算结果不一致,这是由于周期函数模型与实际周期变化有差异,模型只能近似而不能真正模拟周期的变化.

摘要： 雷达目标跟踪滤波算法是雷达信号处理的重要组成部分,在空防预警、战场监视、导弹制导等领域起着重要的作用。本文提出了基于一种新最速下降法的目标跟踪算法。首先建立一种基于改进多项式拟合模型的运动描述模型,接着用一种新最速下降法来求解运动模型的最优参数,通过实时的最优运动模型对运动目标航迹进行预测跟踪,并采用正则化思想去除噪声影响。将本文算法与目前常用的交互多模型跟踪滤波算法进行对比,仿真结果表明在目标机动和非机动的情况下,本文算法的精度更高、计算量更小、实时性更好。

摘要： 成像反演是综合孔径辐射计的一项关键内容.然而,综合孔径辐射计成像反演是病态的反问题.虽然传统的正则化方法能有效克服其病态性,但依然存在较大的重构误差.为了进一步降低重构误差,提出一种基于拉普拉斯算子的综合孔径辐射计成像算法.与传统的单参数正则化不同,该算法通过引入拉普拉斯算子项,对差分亮温构造拉普拉斯混合正则化,并利用多维扩展的广义交叉验证准则选取2个正则化参数.基于L波段的FPIR样机进行了仿真分析,仿真结果表明:与改进的最小范数正则化和带限正则化相比,该算法均方根误差平均降低了30%,峰值信噪比平均提高了3 dB,证明了其有效性.

摘要： 目前,基于重力数据反演海底地形方法的主要原理是利用测深数据拟合出海底地形与重力(或重力梯度)数据之间的线性关系,这会导致对不同的海底地形会有不同的线性关系。为了克服这种不确定性的制约,本文基于长方体海山产生的垂直重力梯度的表达式,通过将研究海域进行格网化,建立了垂直重力梯度(vertical gravity gradient,VGG)与海深之间的函数关系,即关于海深的观测方程组,在此基础上,通过模拟计算,验证了观测方程组的解不仅唯一可解,而且具有较好的抗误差干扰性质。由于观测方程组受到研究海域外海山的影响(分为边界效应、远区影响),因此,需要相应的数学方法来处理这些影响。本文将研究海域进行扩充得到扩展区域,然后在扩展海域上研究观测方程组,此时为了避免观测方程组出现奇异性,引入了正则化方法对扩展后的观测方程组进行求解,并从中截取研究海域上的海深。模拟试验表明,使用正则化方法后,边界效应对反演海深的均方根误差为0.48 m。最后,对南中国海真实海底地形进行了反演计算,将反演的海深与研究海域内的289个船测数据点进行对比,反演结果的均方根误差达到109 m。

摘要： 由于图像类别标签的弱监督目标定位方法存在定位区域仅覆盖目标最具有显著性类别信息部位的问题,同时,区域的类别信息响应受到关键权重的影响,且关键权重的不均衡导致了定位区域响应的稀疏性,因此,提出一种基于区域权重平滑的弱监督目标定位方法。文章设计了自适应标准差正则项,以缩小关键权重差异,从而在保留网络分类能力的同时平滑定位区域。在多个数据集上实验的结果表明,采用该方法所得的定位区域覆盖面更广,定位精度更高。

摘要： 为解决高光谱图像中存在噪声、空间结构复杂和光谱信息复杂等问题,提高分类算法的噪音处理与空间识别能力,提出应用特征感知与协同表示的高光谱图像分类方法。首先运用自适应加权方式对图像进行重建;然后通过计算空间偏置矩阵,对空间特征进行感知,通过计算光谱偏置矩阵对光谱特征进行感知;最后根据误差最小原则确定测试样本的类别信息。在标准数据集Pavia University和Salinas上的实验结果表明,该方法总体准确率达到98.96%和99.63%。与先进的分类算法相比,该算法在平滑噪声、感知特征和空间识别等方面效果更佳,具有较好的分类性能。

摘要： 针对鞍点求解结果收敛速度慢、CPU消耗时间较长等问题,提出一种正则化HSS预处理鞍点矩阵的多尺度算法。运用最优正则化方法确定正则参数,得到计算最优正则参数公式;通过HSS方法完成系数矩阵预处理,得到新的预处理子NHSS;为了更加具体地分析预处理后的鞍点矩阵多尺度算法特征值分布形态,择优选取预处理子参数,确保算法收敛速率。通过仿真,结果表明所提算法可以提升鞍点矩阵方程求解的收敛速率,减少计算过程的CPU占用率,具有较好的鲁棒性,在大规模线性方程运算中可进行广泛应用。

摘要： KL散度在机器学习领域被广泛地用于模型损失函数之中来度量分布的距离。在稀疏自编码器中,KL散度被用作损失函数的惩罚项来度量神经元输出与稀疏参数的距离,使得神经元输出趋近稀疏参数,从而抑制神经元的激活以得到稀疏编码。在WGAN中,Wasserstein距离被用于解决GAN的梯度消失和模式塌陷问题,使得GAN的训练更加稳定。得益于Wasserstein距离在GAN中的成功应用,提出了基于EMD距离的稀疏自编码器SAE-EMD。实验结果表明,相比于使用KL散度与JS散度,使用EMD距离作为惩罚项的稀疏自编码器可以使得真实样本与重构样本之间的重构误差减小,并且随着惩罚参数的增大,编码更加稀疏。

摘要： 目的:探讨正则化有序子集最大期望值(OSEM)(正则化OSEM)迭代算法对^(18)F-氟代脱氧葡萄糖(^(18)F-FDG)正电子发射断层显像/计算机断层显像(PET/CT)图像质量和标准摄取值(SUV)的影响。方法:选取医院核医学科行^(18)F-FDG PET/CT检查的144例肿瘤复查患者的PET图像,图像重建采用OSEM迭代法、OSEM+点扩散函数(PSF)、OSEM+飞行时间(TOF)、OSEM+PSF+TOF和正则化OSEM(依次为M1、M2、M3、M4和M5)。测量病灶最大SUV(SUV_(max))、病灶平均SUV(SUV_(mean))、肝脏平均SUV及肝脏SUV标准差,计算信噪比(SNR)、对比度(CONT)及肝脏变异系数(CV),并比较M5算法与M1~M4算法的SUV_(max)差异性(△SUV%)。行Kruskal-Wallis秩和检验分析不同重建算法间各项指标差异。结果:M1~M5算法所得病灶SUV_(max)、SUV_(mean)总体分别呈递增趋势,M1~M5算法所得SUV_(max)、SUV_(mean)的差异均有统计学意义(H=168.0,H=152.9;P0(范围为2.1%~261.1%)。对于小病灶图像,M5算法较M1~M4算法所得SUV_(max)、SUV_(mean)均有明显提升,差异有统计学意义(H=37.5,H=36.7;P<0.05);对于肥胖患者的图像,M1~M5算法的SUV_(max)差异无统计学差异,SUV_(mean)差异具有统计学意义(H=10.4,P<0.05)。M5算法所得SNR和CONT较M1~M4算法差异均有统计学意义(H_(SNR1)=391.8,H=304.0,H=376.8,H=242.0;H_(CONT)=335.8,H=321.7,H=260.3,H=198.2;P<0.05)。M5算法所得CV与M1算法、M3算法和M4算法两两比较差异均有统计学意义(H=-289.1,H=-466.2,H=-218.5;P<0.05)。结论:正则化OSEM重建算法可改善PET图像质量,对病灶SUV有显著增益作用,对小病灶及肥胖患者同样适用。

摘要： 参考模型广泛应用于深部结构反演中.使用参考模型,就可以把非线性问题进行线性化,然后利用线性反演方法进行迭代得到问题的解.在地球科学实际工作中,前人的结果是非常重要的资料.把前人结果做成参考模型,这样只需反演相对于参考模型的扰动,大大降低了反演的难度.另外,在实际地球物理反演中的观测数据少,但深部结构未知参数太多,因此往往需要在反演中添加正则化.比如,利用正则化可以使反演量在空间上更平滑.故此,多数地球物理反演问题需要同时使用正则化和参考模型.正则化只与期待的深部结构有关,而与参考模型无关.

摘要： 电力通信网的安全可靠直接影响电网智能化和经济、安全运行,风险评估作为网络可靠性的预测手段,可以有效降低运行网络中设备、业务失效的可能性,然而目前的风险评估方法产生的误差较大且计算较为繁杂.本文提出一种基于正则化的电力通信网风险评估算法ARR(Assessment of Risk based on Regularization).该算法首先利用欧式距离计算每月之间的风险指标相似性,然后基于正则化框架评估电力通信网风险.应用于衡阳电力通信网一年的运行统计数据时,相对于其他方法,ARR能够减小平均风险误差值0.035～2.713和风险误差方差值0.035～3.513.同时,ARR的算法运行时间也比其他算法运行时间短23～376ms,对于参数变化的敏感性较低.实验结果表明,应用于电力通信网时,ARR算法能够更快速准确地进行风险评估.

摘要： 随着Web2.0技术的发展,基于图像标签的检索技术越来越重要.但是,由于用户标注时的随意性和个性化,导致图像的标签不够完备,影响了图像检索的准确性.针对这一问题,本文提出了一种基于正则化的非负矩阵分解的方法来丰富图像的标签,提高图像标签的完备性.本文利用矩阵分解的方法将原始的标签-图像矩阵投影到潜在的低秩空间里消除噪声,同时利用类内离散度作为正则化项提高消除噪声、丰富标签的效果.本文通过Flickr下载的图像进行对比实验,验证了本文方法对丰富图像标签的有效性.

摘要： 正则化联合测井数据约束全波形反演方法,可以解决全波形反演的模型多解性问题,减少全波形反演过程中的局部极小值,从而使反演收敛到全局最优解.在测井数据少的情况下,对井数据进行空间插值得到的先验信息是不准确的,尤其是在地层构造复杂的区域.基于以上问题,本文提出一种改进的正则化—测井约束全波形反演方法.在正则化基础上,利用包含地质构造信息的成像结果指引测井数据进行空间插值建模,这样得到的先验模型既加入了井数据的信息,又考虑了地质构造的信息.模型试算结果表明,利用本文提出的方法可以更好地削弱全波形反演对初始模型的依赖性,提高反演收敛的稳定性.

摘要： 如能根据观测面的重力异常,通过下延的方法获得地下空间的重力异常分布,则可以刻画场源的精细特征.重力位场的向下延拓指的是从观测面开始,向场源方向进行的延拓,属于典型的不适定问题,需要找到一种下延方法来压制高频干扰,实现重力位场稳定和精确的下延.本文总结前人研究成果的基础上,实现了一种基于深度变化的三维重力位场正则化向下延拓的方法.通过三维背斜、潜山、断层、火成岩油气藏模型的试算结果表明，该方法可以稳定的得到地下空间的重力异常分布，据此可以较准确的对异常体定位成像，同时可以对微弱的油气重力异常进行增强，有助于高精度重力方法直接油气检测。

摘要： 本文针对流体饱和多孔隙介质弹性波方程全波形反演问题，研究基于混合范数的正则化方法理论和数值方法，实现对复杂介质弹性波场的精细反演成像。本文针对不同介质模型(如层状、含断层、低速层、孔洞、井眼等复杂构造的)，利用正则化方法和半光滑Newton法进行了初步试算，计算结果证明了方法的有效性。而且，在对算子F施加适当的假定条件下，可以证明半光滑Newton法的局部超线性收敛性。本文所构建的方法具普遍适用性，对于其它复杂介质全波形反演问题具有重要的参考价值。

摘要： 金属氚化物中体相氚的总量和深度分布测定是体相中氚的行为研究的难点，本文利用氚β衰变诱发X射线谱的氚分析技术分析金属薄膜靶中体相氚的深度分布情况，建立了薄膜靶中氚深度分布计算模型，利用Tikhonov正则化方法反演了薄膜靶中体相氚的深度分布，反演结果表明正则化数值算法能够有效地提高对薄膜靶法向非均质性的分辨。

摘要： 本文利用3个CCD摄像机和相应的计算机图像采集系统，对增压锅炉进行实时拍摄，运用图像处理技术以及火焰温度检测方法，将拍摄到的不同工况下的火焰图像进行处理，得到温度图像，再根据辐射温度成像模型，运用Tikhonov正则化反演方法，可以较好地重建出增压锅炉炉内燃烧三维温度场分布。通过比较不同负荷条件下相同层次的温度分布和同负荷条件下不同层次的三维温度分布情况，得到随着负荷的增大，火焰温度逐渐升高，辐射换热也逐渐强烈，但沿Z轴方向第6层平均火焰温度高于两侧平均火焰温度的结论。

摘要： 本文介绍了压弯构件的纤维模型，并结合常用的弹性结构分析程序SATWE和ETABS，提出了一种将压弯构件内力正则化，从而进行批量复核的验算方法，并给出了实现的例子。

摘要： 小波有限元桥梁模型以区间B样条小波尺度函数为插值函数，构造了小波有限元梁单元，并通过单元转换矩阵建立了小波空间与物理空间各参数之间的关系；代表车载的移动力投影到小波空间，从而建立基于小波的车桥系统相互作用模型。rn 采用部分加速度信号为测得动态响应数据，借助动态规划技术与Tikhonov正则化法识别移动力，并分析不同传感器数目及分布位置时，加噪对识别结果的影响。仿真算例表明，与传统有限元模型相比，在相同条件下，小波有限元模型以较少的单元可获得类似的精度。

摘要： 本发明涉及用于预测受检者的血糖轮廓的方法和设备。采用包括预测设置阶段和预测执行阶段的多阶段算法，预测设置阶段指定用于预测的泛函空间，并且预测执行阶段在所述泛函空间中指定作为时间的连续函数的预测的受检者的将来血糖状态。

摘要： 本发明涉及用于预测受检者的血糖轮廓的方法和设备。采用包括预测设置阶段和预测执行阶段的多阶段算法，预测设置阶段指定用于预测的泛函空间，并且预测执行阶段在所述泛函空间中指定作为时间的连续函数的预测的受检者的将来血糖状态。

摘要： 本文提出了是用于将给定的语音音频或文本转换为具有同步的、真实的、具有表现性的身体动力学的人逼真说话的视频的新颖的实施例。在一个或多个实施例中，使用递归神经网络从音频序列生成3D骨架运动，并且经由有条件的生成对抗网络合成输出视频。为了使运动逼真和具有表现性，可以在学习和测试管道中的生成过程中嵌入对关节式3D人体骨架和个人语音标志性姿势的学习字典的知识。前者防止产生不合理的身体变形，后者帮助模型利用较少的视频来快速学习有意义的身体运动。为了产生具有运动细节的逼真的高分辨率视频，在有条件的GAN中插入部分注意机制，其中每个具体部分被自动放大以具有它们自己的鉴别器。

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的输入字符依次输入文本正则化模型对应的循环神经网络中，其中输入文本对应的输入字符序列按照如下方式生成：按照第一预设粒度对输入文本进行分割得到第一分割结果；将第一分割结果中的具有至少两种正则化结果的非汉字字符进行标签化处理；基于循环神经网络对各输入字符进行分类，得到输入字符序列的预测分类结果；根据输入字符序列的预测分类结果与输入文本的正则化文本的标注分类结果之间的差异，对神经网络的参数进行调整；该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性。

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该文本正则化模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的字符依次输入待生成的文本正则化模型对应的神经网络中，文本正则化模型对应的神经网络包括编码器和解码器；对输入字符序列中的每个字符，基于解码器中的隐藏层在对输入的上一个字符解码后的状态，采用编码器进行编码，得到字符的中间语义向量，并采用解码器对中间语义向量进行解译，得到字符的预测结果；根据输入字符序列的预测结果与输入文本对应的标注结果之间的差异，对神经网络的参数进行调整。该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性和准确性。

摘要： 本发明提供的基于l2能量最小化和l1梯度正则化的图像融合方法及装置，获取来自同一场景并进行图像配准的红外图像和可见光图像，通过NSST将红外图像和可见光图像进行多尺度、多方向分解，并得到相应的低频子带系数与高频子带系数，针对反映能量信息的低频子带系数，采用基于l2‑能量最小化的优化模型作为融合规则；针对反映纹理信息的高频子带系数，利用基于l1‑梯度正则化的优化模型作为融合规则，通过两种融合规则，将隐藏的红外显著目标信息与可见光的梯度纹理信息相结合，使最终的融合图像符合人眼视觉系统，通过将可见光的纹理信息与红外图像的显著性特征完美结合，取得较好的融合效果。

摘要： 本申请提供了一种特殊字符的正则化方法和装置、特殊字符的正则化模型的训练方法和装置、计算机设备，以及计算机可读存储介质。其中，正则化方法包括：将初始文本中的数字替换为对应的数字类别，得到目标文本，初始文本包括特殊字符的组合，特殊字符包括数字，数字类别包括数字的长度信息和/或数字中所包含的歧义数字的位置信息，歧义数字是指具有不同发音的数字；对目标文本进行编码，得到语义表示矩阵；基于语义表示矩阵确定每个特殊字符对应的目标发音类别，目标发音类别选自多个预设发音类别，每个特殊字符对应至少一个预设发音类别。该正则化方法解决了现有技术中特殊字符的正则化模型的训练样本的标注工作量较大的问题。

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该文本正则化模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的字符依次输入待生成的文本正则化模型对应的神经网络中，文本正则化模型对应的神经网络包括编码器和解码器；对输入字符序列中的每个字符，基于解码器中的隐藏层在对输入的上一个字符解码后的状态，采用编码器进行编码，得到字符的中间语义向量，并采用解码器对中间语义向量进行解译，得到字符的预测结果；根据输入字符序列的预测结果与输入文本对应的标注结果之间的差异，对神经网络的参数进行调整。该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性和准确性。

摘要： 本申请公开了文本正则化模型训练方法和装置、文本正则化方法和装置。该模型训练方法的一具体实施方式包括：将输入文本对应的输入字符序列中的输入字符依次输入文本正则化模型对应的循环神经网络中，其中输入文本对应的输入字符序列按照如下方式生成：按照第一预设粒度对输入文本进行分割得到第一分割结果；将第一分割结果中的具有至少两种正则化结果的非汉字字符进行标签化处理；基于循环神经网络对各输入字符进行分类，得到输入字符序列的预测分类结果；根据输入字符序列的预测分类结果与输入文本的正则化文本的标注分类结果之间的差异，对神经网络的参数进行调整；该实施方式实现了文本正则化模型的自动化训练，提升了文本正则化模型的灵活性。

摘要： 一种处理部件(122)，其基于利用正则化的迭代重建算法和/或去噪算法处理图像。所述处理部件包括设定点确定器(224)，所述设定点确定器基于指示感兴趣图像质量的质量变量(228)，来确定在预定质量上限和质量下限(226)之间的质量设定点(216)。所述处理部件还包括比较器(214)，所述比较器在每次处理迭代，将当前生成的图像的质量度量与所述质量设定点进行比较，并生成指示所述质量度量与所述质量设定点之间的差的差值。所述处理部件还包括正则因子更新器(220)，所述正则因子更新器响应于所述差值指示所述质量度量在关于所述质量设定点的预定范围之外，而基于所述正则因子的当前值(222)和至少所述质量度量，来生成针对下一处理迭代的更新的正则因子。