修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

25 条数据
?? 中文（中国） ▾

  • 基于后验误差估计的微断层成像逆问题的分段均匀正则化方法

    摘要： 在一类具有有界VH变分的函数中，研究了一个逆微断层成像问题?；诓捎锰厥庹蚧畹腡ikhonov正则化方法，提出了求解该问题的算法。该算法确保近似解对逆问题精确解的分段一致收敛。此外，还探讨了所得近似解的后验误差估计问题，并提出了一种新的数值算法来计算该估计值。文中展示了在具有有界VH变分函数类上求解模型逆问题的数值实验，以及所得近似解的后验误差估计结果。

    关键词： 微断层扫描、正则化、后验误差估计

    更新于2025-09-23 15:23:52

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 高光谱图像的稀疏与平滑特征提取

    摘要： 本文提出了一种名为稀疏平滑低秩分析（SSLRA）的高光谱特征提?。‵E）方法。首先，我们为高光谱图像（HSI）建立了一个新的低秩模型。该模型将高光谱图像分解为位于未知正交子空间中的平滑且稀疏的未知特征。随后，通过非凸约束惩罚代价函数同步估计这些稀疏平滑特征。实验中将SSLRA应用于真实高光谱图像，并利用提取的平滑特征进行分类。结果表明，与现有最先进的特征提取方法相比，该方法显著提升了分类准确率。

    关键词： 正则化、特征提取、稀疏性、低秩模型、全变分、高光谱图像

    更新于2025-09-23 15:22:29

  • 基于核完全约束最小二乘法的高光谱图像分类

    摘要： 作为一种广泛应用的分类器，稀疏表示分类（SRC）在高光谱图像分类中展现出良好性能。最新研究表明，正是SRC底层的协同表示机制使其成为高效的分类技术。当测试像素的维度和区分度较高时，除稀疏性(l1范数)外，还可采用其他范数（如l2范数）对编码系数进行正则化。本文证明在核空间中非负约束同样能发挥该作用，因而建议研究核完全约束最小二乘法（KFCLS）用于高光谱图像分类。此外，为通过融合空谱信息提升KFCLS的分类性能，我们采用两种正则化策略研究了两种空谱方法：(1)系数级正则化策略；(2)类别级正则化策略。基于四组真实高光谱图像的实验结果验证了所提KFCLS的有效性，并揭示了在正则化框架中高效融合空谱信息的方法。

    关键词： 最小二乘法、高光谱、稀疏表示、正则化、图像分类、后验概率、协同表示

    更新于2025-09-23 15:21:21

  • [IEEE 2019化合物半导体周（CSW）- 日本奈良（2019.5.19-2019.5.23）] 2019年化合物半导体周（CSW）- 激光辐照下二硫化钼机械谐振器的持续共振频率偏移

    摘要： 当每个类别包含多个子类时，鲁棒分类就会面临挑战。多字体光学字符识别和自动化蛋白质功能预测就是典型例子。在基于相关性的最近邻分类中，极大极小相关性方法（MCA）通过迭代过程最小化最大误分类风险，提供了最坏情况下的最优解。尽管具有最优性，原始MCA存在一些缺陷限制了其实际广泛应用：该方法对异常值敏感，无法有效处理数据集中的非线性问题，且计算复杂度较高。 为解决这些局限，我们提出改进方案——正则化MCA（R-MCA）。首先将MCA重构为二次约束线性规划（QCLP）问题，在QCLP原始问题的对偶空间引入松弛变量实现正则化，并推导相应的拉格朗日对偶形式。该对偶公式使我们能对R-MCA应用核技巧，从而更好处理非线性特征。实验结果表明，正则化和核化使所提R-MCA在各类分类任务中比原始MCA更具鲁棒性和准确性。此外，当数据规?；蛭仍龀な?，R-MCA通过求解变量维度更小的QCLP原始问题或对偶问题（择优选择），运行速度显著提升。本R-MCA方法的源代码已公开于http://data.snu.ac.kr/rmca。

    关键词： SOCP（二阶锥规划），相关性，核技巧，QP（二次规划），极大极小，QCLP（二次锥线性规划），最近邻，正则化

    更新于2025-09-23 15:21:01

  • 基于分段光滑模型的振幅随入射角变化（AVA）正则化反演

    摘要： 与叠后地震数据不同，叠前数据包含丰富的横波和密度信息。通过从叠前数据反演横波与密度信息，我们能根据不同入射角判定含油特性。现有最先进的反演方法要么垂向分辨率较低，要么存在横向不连续性。然而实际储层通常在垂向上具有层间尖锐不连续性，在横向上则较为平滑。为实现实际地质模型的构建，我们提出一种基于正则化振幅随入射角变化（AVA）数据的反演方法，用于从叠前地震数据估算分段平滑模型。该方法将地下地层视为由两部分组成：分段平滑部分与恒定部分。为解决反演中的不适定性问题，我们采用四项定义AVA反演失配函数：数据失配本身、作为分段恒定部分稀疏算子的总变分正则化项、作为平滑部分平滑算子的吉洪诺夫正则化项，以及最后一项用于平滑整合先验信息以约束估算模型幅值。本方法不仅能融合构造信息与先验模型约束，还可推导出易于通过迭代法最小化的凸目标函数。与TV正则化和吉洪诺夫正则化方法的反演结果相比，本方法反演的纵波速度、横波速度及密度能更准确地刻画地层的分段平滑特征。

    关键词： 多尺度构造、不适用性、叠前地震反演、正则化

    更新于2025-09-23 15:21:01

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-2018年7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 极端学习机应用于高光谱图像的不同正则化方法评估

    摘要： 近年来，为解决高光谱图像分类中训练样本有限而光谱维度极高的不适定问题，学界提出了多种正则化技术。然而，尽管岭回归、LASSO等正则化方法已广泛应用，高光谱图像的本征结构往往取决于具体场景和光谱仪特性。本研究未直接对分类器的概率输出施加这些正则化约束，而是评估了采用岭先验和LASSO先验分别正则化单隐层前馈神经网络（SLFN）输出权重的极限学习机（ELM）。通过多组真实高光谱图像实验，对比分析了这两种正则化方法与原始ELM在分类场景中的性能表现及适应性差异。

    关键词： 岭回归、LASSO、正则化、高光谱图像分类、极限学习机

    更新于2025-09-23 15:21:01

  • [IEEE 2019年第八届先进光电子学与激光国际会议(CAOL) - 保加利亚索佐波尔(2019年9月6日-9月8日)] 2019年IEEE第八届先进光电子学与激光国际会议(CAOL) - 屈光参差性弱视儿童视网膜与视神经的激光刺激研究

    摘要： 极限学习机（ELM）已成为解决实值分类问题的一种高效、快速且简单的方案。近期提出的多种ELM变体旨在提升其性能。循环复值极限学习机（CC-ELM）作为ELM的改进版本，通过利用复值神经元的特性实现了更优表现。另一变体加权ELM（WELM）则通过最小化加权最小二乘误差并结合正则化来处理类别不平衡问题。本文提出了一种融合CC-ELM与WELM优势的正则化加权CC-ELM（RWCC-ELM），并采用Keel数据集库中的非平衡数据集进行评估。实验表明，RWCC-ELM在大多数测试数据集上均优于CC-ELM和WELM。

    关键词： 极限学习机、实值分类、复值神经网络、类别不平衡问题、正则化、加权最小二乘误差

    更新于2025-09-23 15:19:57

  • 介质材料二次电子发射系数与初始电荷对平行板介质加载波导中多级放电效应的影响

    摘要： 我们对解决不适定线性反问题及/或压缩感知问题中（cid:2）1与（cid:2）2正则化效应进行了理论分析与比较。该模型涵盖了解被定义为凸代价泛函最小值的最一般情形，推导出一系列表示定理，根据正则化类型给出解的通用形式。我们从有限维问题分析入手，随后将结论推广至无限维空间（cid:2）2(Z)和（cid:2）1(Z)。研究同时考虑了采用字典或正则化算子形式的线性变换，特别证明（cid:2）2解必然存在于与测量算子相关联的预定义平滑子空间内；而（cid:2）1解则是通过自适应选择正则化算子指定字典中的原子子集构成。除证实（cid:2）1解具有内在稀疏性外，本研究主要发现是：（cid:2）1正则化更有利于先验知识注入——其产生的泛函形式独立于系统矩阵，而（cid:2）2情形不具备此特性。

    关键词： 线性反问题、压缩感知、正则化、稀疏性、全变分、(cid:2)1范数最小化

    更新于2025-09-23 15:19:57

  • 基于相位补偿光纤的超宽带信道探测器

    摘要： 极限学习机（ELM）已成为解决实值分类问题的一种高效、快速且简单的方案。近期提出的多种ELM变体旨在提升其性能。循环复值极限学习机（CC-ELM）作为ELM的变体，利用复值神经元的特性实现了更优表现。另一变体加权ELM（WELM）通过最小化加权最小二乘误差并结合正则化来处理类别不平衡问题。本文提出正则化加权CC-ELM（RWCC-ELM），融合了CC-ELM与WELM的双重优势。采用Keel数据集库中的非平衡数据对RWCC-ELM进行评估，结果显示其在多数测试数据集上均优于CC-ELM和WELM。

    关键词： 极限学习机，实值分类，复值神经网络，类别不平衡问题，正则化，加权最小二乘误差

    更新于2025-09-23 15:19:57

  • [2018年IEEE国际工业工程与工程管理会议(IEEM) - 泰国曼谷 (2018.12.16-2018.12.19)] 2018年IEEE国际工业工程与工程管理会议(IEEM) - 基于拉格朗日乘子的图像超分辨率正则化算法

    摘要： 本文提出了一种基于拉格朗日乘子的图像超分辨率正则化问题模型。通过建立正则化模型与拉格朗日乘子模型之间的等价关系，我们给出了正则化参数物理意义的另一种诠释。采用反证法证明了正则化参数与拉格朗日乘子之间的非线性单调关系。为求解正则化参数，提出了一种基于拉格朗日乘子模型的两阶段迭代方法。此外，应用传播滤波方法对超分辨率图像进行平滑处理。通过二维码图像超分辨率实验验证了所提方法的有效性。

    关键词： 拉格朗日乘数法、两阶段迭代方法、正则化、超分辨率

    更新于2025-09-22 22:31:20