利用分裂Bregman方法的图像恢复组合模型

ROF模型是图像恢复中的经典模型,具有保留图像边缘的优点,但同时也存在梯子现象.而利用二次范数fΩ｜▽u｜2 dxdy的模型可以避免梯子现象,但容易使图像变得模糊.针对两种方法的优缺点,提出了一种新的通过设置边缘检测开关函数的组合模型,在图像平坦区利用二次范数模型处理,而在强边缘处利用ROF模型处理,而且应用分裂的Br...     

结合小波框架与TV的一个正则化方法

本文研究了图像恢复问题.利用结合小波框架与全变差方法 (TV)的多参数正则化方法,获得了比经典TV的ROF模型和小波框架更好的结果,推广了原本只使用这两种方法其中之一的模型.     

交替方向乘子法求解混合全变差模糊图像复原模型

针对全变差模型在模糊图像复原过程中易产生振铃效应的不足,提出了图像复原的混合全变差模型.混合模型在图像边缘轮廓区域趋向为标准全变差模型,能够有效地保留边缘轮廓信息;而在光滑区域能够逼近为高阶全变差模型,达到抑制振铃效应的目的.实验结果表明,提出的混合全变差模型在复原图像结构信息的同时能够有效地抑制振铃效应的产生,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高.     

基于模糊距离总变差的模糊识别模型及径流预报应用

根据待识别样本的加权广义欧氏权距离,基于模糊距离总变差为最小的目标函数,提出了一种新的计算模糊聚类中心矩阵、模糊模式识别矩阵与目标权重的模糊识别模型.该模型具有较好的稳定性,径流中长期预报实例说明是可行的.     

广义全变差正则化图像去噪模型研究

本文研究了全变差正则化模型在图像去噪过程中易产生阶梯效应的问题,依据图像的局部结构特利用联合高斯滤波器和边缘检测算子的方法,构建了广义全变差正则化图像去噪模型,获得了在消除噪声的同时能够保留图像边缘细节和纹理信息的结果.实验结果表明,广义全变差正则化模型在平滑噪声的同时能够保留图像的边缘轮廓等细节信息,得到的复原图像在峰值信噪比、平均结构相似度和主观视觉效果方面均有所提高.     

基于分数阶微积分正则化的图像处理

全变分正则化方法已被广泛地应用于图像处理,利用此方法可以较好地去除噪声,并保持图像的边缘特征,但得到的优化解会产生"阶梯"效应.为了克服这一缺点,本文通过分数阶微积分正则化方法,建立了一个新的图像处理模型.为了克服此模型中非光滑项对求解带来的困难,本文研究了基于不动点方程的迫近梯度算法.最后,本文利用提出的模型与算法进行了图像去噪、图像去模糊与图像超分辨率实验,实验结果表明分数阶微积分正则化方法能较好的保留图像纹理等细节信息.     

基于分段常值水平集的抛物型方程的参数识别算法

研究了线性抛物型方程不连续参数的识别算法.根据原有算法对于加噪观测数据计算不收敛的问题,本文基于分段常值水平集方法,根据水平集函数和优化过程的特点,修正原有Uzawa型算法中的带有总变差(TV)正则化的极小化模型和对常值向量的极小化模型,并且利用分裂Bregman迭代算法处理TV范数的优越性,构造一种新的参数识别算法格式.数值实验结果显示,新算法具有计算时间短、精度高、抗噪性强的优点.     

关于Rudin—Osher—Fatemi图像恢复模型特性的一个注记

本文分析了ROF(Rudin-Osher-Fatemi)模型并给出了它的几何特性.根据不同的目的,对ROF模型来说,可以完全从给定的观察图像来选择特殊的参数λ的值.     

求解中子输运方程的粗网格再平衡方法

针对已知中子输运方程的标量通量P1近似值和网格边界通量模型情况下,我们提出了一种求解中子输运方程新的粗网格再平衡方法.方法将再平衡系统的稀疏矩阵变成对角占优矩阵,同时矩阵的逆是非负的.     

一种新的求总极值的水平值估计算法

提出了一种求解总极值问题的新水平值估计算法. 为此, 引入一类变差函数并研究它的性质; 给出基于变差函数的全局最优性条件, 并构造出一种求总极值的水平值估计算法. 为了实现这种算法, 采用了基于重点样本技术的Monte-Carlo方法来计算变差,并利用相对熵算法的主要思想更新取样密度.初步的数值实验说明了算法的有效性.     

自适应多重网格法与超松弛法的比较

多重网格法(Multiple Grid Method,简称M-G方法)是近年来出现的快速方法之一,本文在M-G方法中采用自适应控制层间转换的技术,并将自适应M-G方法与G-S迭代方法及SOR迭代方,法进行了比较。其计算结果表明,自适应M-G方法的计算量比G-S迭代及SOR迭代少得多,当M-G方法所用层数为4-6层,这种优越性就更加明显,且自适应M-G方法中选取控制参数有很大的灵活性。     

一种求解非线性互补问题的方法及其收敛性

本文将Newton方法和外梯度方法相结合,提出了一种求解非线性互补问题的方法,证明了此方法的全局收敛性和超线性收敛性,在适当的条件下给出了一个有限终止结果。数值实验表明,此方法是有效的。     

A COLUMN-SECANT UPDATE TECHNIQUE FOR SOLVING SYSTEM OF NONLINEAR EQUATIONS

In this paper,we present a column-secant modification of the SCC method,which is called the CSSCC method.The CSSCC method uses function values more efficiently than the SCC method,and it is shown that the CSSCC method has better local q-convergence and r-convergence rates than the SCC method.The numerical results show that the CSSCC method is competitive with some well known methods for some standard test problems.     

拟Raabe判别法与拟对数判别法的强弱关系

拟Raabe判别法是新近提出的关于正项级数收敛性的一种比较细致的判别法.对通项递减的正项级数来说,此判别法强于传统的Raabe判别法与Gauss判别法.通过对拟Raabe判别法与另一个细致的判别法——拟对数判别法强弱关系的探讨,得出了后一判别法强于前者的结论.     

研究伪随机数序列独立性的均匀偏度法

§1 引言 由具有在[0,1]上均匀分布的总体中产生的简单子样称为随机数序列,其中的每一样本称为随机数。所谓伪随机数序列,一般是指用数学递推公式所产生的随机数序列。如最常见的乘同余方法,它所产生的伪随机数序列就是对给定的正整数M和小于M的任意正整数初值β_1,用如下递推公式确定的:     

A partial inexact alternating direction method for structured variational inequalities

In this article, a new method is proposed for solving a class of structured variational inequalities (SVIs). The proposed method is referred to as the partial inexact proximal alternating direction (piPAD) method. In the method, two subproblems are solved independently. One is handled by an inexact proximal point method and the other is solved directly. This feature is the major difference between the proposed method and some existing alternating direction-like methods. The convergence of the piPAD method is proved. Two examples of the modern convex optimization problem arising from engineering and information sciences, which can be reformulated into the encountered SVIs, are presented to demonstrate the applicability of the piPAD method. Also, some preliminary numerical results are reported to validate the feasibility and efficiency of the piPAD method.     

鞍点问题的修正对称超松弛迭代算法

为了提高求解鞍点问题的迭代算法的速度,通过设置合适的加速变量,对修正超松弛迭代算法（简记作MSOR-like算法）和广义对称超松弛迭代算法（简记作GSSOR-like算法）进行了修正,给出了修正对称超松弛迭代算法,即MSSOR-like （modified symmetric successiveover-relaxation）算法,并研究了该算法收敛的充分必要条件.最后,通过数值例子表明,选择合适的参数后,新算法的迭代速度和迭代次数均优于MSOR-like （modified successive overrelaxation）和GSSOR-like （generalized symmetric successive over-relaxation）算法,因此,它是一种较好的解决鞍点问题的算法.     

基于数值分布的激励型综合评价方法

针对激励评价中的等级划分问题,本文提出了一种基于数值分布的等级划分方法,相比于现有的等级划分方法,该方法能够综合考虑数值分布情况来划分等级,并结合本文提出的等级划分法对密度算子进行拓展,提出了一种基于数值分布的激励型综合评价方法。首先本文从数值分布的角度提出了一种新的等级划分方法,从而得出各等级区间的等级区间分界点;其次确定等级系数,并结合指标值和等级区间分界点给出各指标的权向量,给出一种不需要进行归一化处理的等级权向量确定方法,该方法能够较好的解决归一化处理带来的不公平性;再次根据密度算子思想对评价数据进行集结得出评价结果;最后通过一个算例对该方法进行验证,结果表明该方法可以实现对被评价对象科学激励的作用。该方法尤其适用于企业员工激励、省市综合排名、高校人才选拔等问题。     

Finding roots of a real polynomial simultaneously by means of Bairstow's method

Aberth's method for finding the roots of a polynomial was shown to be robust. However, complex arithmetic is needed in this method even if the polynomial is real, because it starts with complex initial approximations. A novel method is proposed for real polynomials that does not require any complex arithmetic within iterations. It is based on the observation that Aberth's method is a systematic use of Newton's method. The analogous technique is then applied to Bairstow's procedure in the proposed method. As a result, the method needs half the computations per iteration than Aberth's method. Numerical experiments showed that the new method exhibited a competitive overall performance for the test polynomials.     

一个解凸二次规划的预测-校正光滑化方法

本文为凸二次规划问题提出一个光滑型方法,它是Engelke和Kanzow提出的解线性规划的光滑化算法的推广。其主要思想是将二次规划的最优性K-T条件写成一个非线性非光滑方程组,并利用Newton型方法来解其光滑近似。本文的方法是预测-校正方法。在较弱的条件下,证明了算法的全局收敛性和超线性收敛性。