不适定问题研究的若干进展

对不适定问题的严密定义、数学模型、求解方法及其各方面应用作了系统的介绍,着重论述了传热反问题的几种数学表述及其近5a来的相关发展,较详细列举了不适定问题求解的几种主要算法,并介绍了新近出现的一些计算思路及模式,最后探讨了结合并行计算完善与改造已有算法的可能性。     

三带紧支撑正交内插尺度函数的构造

提出了设计同时具有紧支撑、正交性、内插性和正则性的3-带尺度函数的方法,从而利用Walter小波采样定理能够快速而准确地重构多分辨空间Vj(φ)的信号f(t),除了计算机的有限字长误差外,没有任何截断误差。     

基于贝叶斯正则化 BP 神经网络的 GPS 高程转换

为了改善BP神经网络在GPS高程转换过程中过拟合的现象,提出了用贝叶斯正则化算法的BP神经网络转换GPS高程的新方法,并利用区域GPS/水准数据,将新方法和未采用正则化算法的BP神经网络进行GPS高程转换的比较.结果表明:在较大区域和高程异常呈不规则的情况下,新方法不仅可以有效提高GPS高程转换的精度,而且通过贝叶斯正则化算法可以改善网络结构,抑制过拟合现象.在约10 km的GPS基线尺度上,新方法可以得到精度达0.050 m的正常高.     

时间序列AR模型的正则化及其应用

基于正则化理论,通过添加一个正则化因子,构造了一个正则化时间序列模型.算例分析表明,新的正则化时间序列分析模型可改善时间序列分析模型中信息矩阵的病态程度,避免时间序列分析模型产生的不适定性,在一定程度上起到了稳定所求参数的作用.     

弹性网络正则化移动荷载识别试验研究

针对移动荷载稀疏正则化识别方法存在的不足,提出了弹性网络正则化识别法,构建了弹性网络正则化识别理论和求解方法,分析了单移动荷载工况下3种参数对识别结果的影响。利用MATLAB软件建立了数值模型并进行验证。研究结果表明：该方法在车辆移动速度、测量噪声水平、测点位置组合的相应工况中,识别结果的相对误差分别为6.5%、10%和6.5%,稀疏性较好,能反映移动荷载的特征。试验识别结果与真实荷载吻合度高,且该方法在不同工况中适应性较强,可供工程应用参考。     

具有Wentzel型边界条件的反源问题解的唯一性

研究了有界区域内变系数热传导方程的反源问题.与其他模型不同,此模型中的边界条件是Wentzel型边界条件.在关于空间变量积分的附加条件下进行反演,此类附加条件有利于避免单点观测数据下随机性高、误差大的问题.首先,应用变分理论的方法,研究了方程解的正则性;其次,应用H9lder不等式、Young不等式以及Friedrichs不等式,证明了仅与时间相关的源项系数的唯一性.结果表明给定的附加条件是充分的,能够反演出未知的源项系数.     

基于图正则化和Schatten-p范数最小化的交通数据恢复

为充分利用交通数据低秩特性与局部近邻关系，准确恢复交通数据采集系统中的缺失数据，首先，应用基于核范数的低秩矩阵补全模型对交通数据矩阵进行预插补，以获得缺失值的初始估计，基于此，构建表征数据局部近邻结构的图模型；然后，提出融合图正则化和Schatten-p范数最小化的交通数据缺失值恢复模型；进一步，提出基于交替方向乘子框架的优化算法，求解缺失值恢复的最优化问题，得到最终的数据恢复结果；最后，用实际的高速公路交通流量和速度数据比较多种方法的恢复误差，同时给出所提方法的参数敏感性分析. 实验结果表明:在完全随机缺失、随机缺失和混合缺失模式下，缺失率为10% ~ 50%时，相比于局部最小二乘、概率主成分分析和低秩矩阵补全等方法，基于图正则化和Schatten-p范数最小化的算法恢复误差降低了3.02% ~ 28.49%.      

合成孔径雷达图像增强的正则化方法研究

SAR图像在成像过程中分辨率会受到杂波的影响下降,不利于后续算法的进行,而正则化算法通过先验知识能够实现图像的重建。本文研究合成孔径雷达观测模型,并将正则化算法应用于SAR图像增强。最后进行实验对比。本文所采用的算法在迭代最优解求解的过程中比Cetin算法用时少,并且图像增强后的平均3db主瓣宽度比增强前小,由此说明本文算法的有效性。     

“天豹”有道

“我们所追求的最高境界不是让一个企业拥有多少资产，而是让所有的人快乐的生活。如果所有的人都能快乐的生活，我将非常欣慰。”“文化就是‘风气’，风正则气清，风不正则气不清，浊气上扬，清气自然下沉，扬清荡浊所需要手段和方法就是能够深入人心的企业文化。”——宁夏天豹汽车运输有限责任公司董事长靳旭