基于正则化处理的超分辨率重建

针对超分辨率重建的病态反问题进行研究。该文首先介绍超分辨率重建的数学模型,分析了最小二乘估计及其病态性。其次给出病态问题的正则化泛函,并提出一种自适应动态确定正则化系数的方法,主要研究了迭代算法的收敛性和参数选择等问题。实验结果验证了方法的有效性。     

基于序贯蒙特卡洛法的自相关过程控制

针对参数未知的自相关过程在线质量控制问题,研究了基于序贯蒙特卡洛法(SMC)的过程控制策略。在给出过程状态空间方程模型的基础上,分析了由于参数未知使得运用Kalman滤波求解控制策略时存在的困难;通过设置未知参数的先验分布,运用序贯蒙特卡洛法得到各参数的后验估计,进而获得了使过程损失最小的控制策略。给出了仿真,以分析控制策略的有效性,结果表明所得到的控制策略具有较好的控制效果。     

两种求解非正定核Laplac-SVR的SMO算法

提出２种用于求解非正定核ＬａｐｌａｃｅＳＶＲ 的序列最小最优化（ＳＭＯ）算法．第１种算法仅针对ＬａｐｌａｃｅＳＶＲ而设计;第２种算法将ＬａｐｌａｃｅＳＶＲ 作为所要解决问题的一种特殊情况,使算法更具通用性．所提出的算法在保证收敛的前提下,使非正定ＬａｐｌａｃｅＳＶＲ 能够达到比较理想的回归精度,具有一定的理论意义和实用价值．     

两种求解非正定核Laplac-SVR的SMO算法

提出２种用于求解非正定核Ｌａｐｌａｃｅ ＳＶＲ 的序列最小最优化（ＳＭＯ）算法．第１种算法仅针对Ｌａｐｌａｃｅ ＳＶＲ而设计;第２种算法将Ｌａｐｌａｃｅ ＳＶＲ 作为所要解决问题的一种特殊情况,使算法更具通用性．所提出的算法在保证收敛的前提下,使非正定Ｌａｐｌａｃｅ ＳＶＲ 能够达到比较理想的回归精度,具有一定的理论意义和实用价值．

     

求解非半正定核Huber-支持向量回归机问题的序列最小最优化算法

序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的前提下可使非半正定Huber-SVR能够达到比较理想的回归精度,因而具有一定的理论意义和实用价值.     

两种求解非正定核Laplace-SVR的SMO算法

提出2种用于求解非正定核Laplace-SVR的序列最小最优化(SMO)算法.第1种算法仅针对Laplace-SVR而设计;第2种算法将Laplace-SVR作为所要解决问题的一种特殊情况,使算法更具通用性.所提出的算法在保证收敛的前提下,使非正定Laplace-SVR能够达到比较理想的回归精度,具有一定的理论意义和实用价值.

Abstract：

Two types of sequential minimal optimization(SMO) algorithms applied in solving Laplace-SVR with nonpositive kernels are proposed. The first algorithm is only designed for Laplace-SVR, and the second one regarding Laplace-SVR as a special case is done for a general purpose. Because of the difficulty of solving SVR with non-positive kernels, the presented algorithms have a certain theoretical and practical significance.