导读:本文包含了增广算法论文开题报告文献综述及选题提纲参考文献，主要关键词:辅助模型,随机梯度,参数估计,分层识别
增广算法论文文献综述
姜晓坤,籍艳,万立娟[1]（2019）在《输出误差滑动平均系统的递阶增广随机梯度算法》一文中研究指出提出了一种输出误差滑动平均(OEMA)系统的两阶段增广随机梯度算法。利用辅助模型思想处理未知变量,并用随机梯度法识别系统模型参数。应用分解的技术将OEMA系统分解为两个低维数的子系统,并分别识别每个子系统。由于子系统中协方差矩阵的维数降低,因此减少了计算量,从而提高了算法的计算效率。仿真结果表明该算法是有效的。(本文来源于《青岛科技大学学报(自然科学版)》期刊2019年06期）
吴超峰[2]（2019）在《基于增广拉格朗日乘子法的通行能力限制交通分配算法》一文中研究指出鉴于增广拉格朗日乘子法作为一种数学方法已被广泛应用于各类数值计算的实践中,提出了一种以增广拉格朗日乘子法为框架,能有效解决大路网通行能力限制下交通分配问题的求解算法。该算法中嵌入了基于可替换路径对的交通分配算法用于求解无通行能力限制的交通分配子问题,并给出了算法的具体步骤与技术细节。应用数值算例论证了算法的数值计算能力以及求解大路网通行能力限制下交通分配问题的性能,另外也分析了算法参数的灵敏度。(本文来源于《品质交通与协同共治——2019年中国城市交通规划年会论文集》期刊2019-10-16）
温瑞萍,李姝贞[3]（2019）在《Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法（英文）》一文中研究指出基于Toeplitz矩阵填充(TMC)的修正增广拉格朗日乘子(MALM)算法,本文给出此算法的一种加速策略,提出Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法.该方法通过削减原MALM算法中每一步迭代的频繁数据传输,提高算法的运行效率.同时也证明了新算法的收敛性.最后以数值实验表明?-步修正增广拉格朗日乘子算法比原MALM算法更有效.(本文来源于《应用数学》期刊2019年04期）
王林军,廖玮,王锬,杜义贤[4]（2019）在《基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析》一文中研究指出本文提出了一种基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析方法.该方法通过引入参数的不确定性和区间变量,得到一种概率-区间混合不确定模型,充分利用增广拉格朗日乘子法将有约束优化问题转化为无约束优化问题,基于此进行求解和结构可靠性分析.数值算例和工程实例验证了该算法在计算结构可靠性问题时对于线性和非线性的功能函数有良好的收敛性和较高的计算效率.(本文来源于《叁峡大学学报(自然科学版)》期刊2019年05期）
梁仁莉,白延琴[5]（2019）在《求解稀疏逻辑回归问题的嵌套BB算法的分裂增广拉格朗日算法》一文中研究指出逻辑回归是经典的分类方法,广泛应用于数据挖掘、机器学习和计算机视觉.现研究带有程。模约束的逻辑回归问题.这类问题广泛用于分类问题中的特征提取,且一般是NP-难的.为了求解这类问题,提出了嵌套BB(Barzilai and Borwein)算法的分裂增广拉格朗日算法(SALM-BB).该算法在迭代中交替地求解一个无约束凸优化问题和一个带程。模约束的二次优化问题.然后借助BB算法求解无约束凸优化问题.通过简单的等价变形直接得到带程。模约束二次优化问题的精确解,并且给出了算法的收敛性定理.最后通过数值实验来测试SALM-BB算法对稀疏逻辑回归问题的计算精确性.数据来源包括真实的UCI数据和模拟数据.数值实验表明,相对于一阶算法SLEP,SALM-BB能够得到更低的平均逻辑损失和错分率.(本文来源于《运筹学学报》期刊2019年02期）
齐乃新,张胜修,杨小冈,李传祥,曹立佳[6]（2019）在《基于相机状态方程多模增广的改进MSCKF算法》一文中研究指出针对基于多状态约束卡尔曼滤波(MSCKF)的视觉-惯性里程计算法中相机状态方程增广过程的误差累积问题,提出了一种相机状态方程多模增广方法。该方法首先对视觉特征跟踪状态的稳定性进行判断,然后自动地选择基于视觉图像信息优化求解相机相对位姿参数或基于惯性传感器(IMU)状态递推结果联合相机外参初始化新图像帧相机位姿参数两种途径增广相机的状态方程,解决特征跟踪状态稳定情况下IMU误差的累积问题。实验部分通过EuRo C数据和实际应用数据对算法的性能进行了验证分析,结果表明,改进后的MSCKF算法能够在特征跟踪稳定状态下有效避免IMU误差的累积,进一步融合视觉与惯性系统之间的互补优势,提高载体的定位定向精度和稳定性。(本文来源于《仪器仪表学报》期刊2019年05期）
牛建华,王川龙[7]（2019）在《Toeplitz矩阵压缩恢复的两种中值修正的增广Lagrange乘子算法》一文中研究指出增广Lagrange乘子算法是求解矩阵压缩恢复的一种有效迭代方法.为了有效求解Toeplitz矩阵压缩恢复模型,本文提出了两种中值修正的增广Lagrange乘子算法.在新算法中,对增广Lagrange乘子算法每步产生的迭代矩阵进行中值修正并保证其Toeplitz结构.新算法不仅减少了奇异值分解所用的时间和CPU时间,而且获得更精确的迭代矩阵.同时,本中还详细给出了两种新算法的收敛性分析.最后通过数值例子验证了新算法的可行性和有效性,并展示了新算法在计算时间和精度方面比增广Lagrange乘子算法更有优势.(本文来源于《工程数学学报》期刊2019年02期）
葛宝爽,张海,王湘萍[8]（2019）在《增广误差模型算法在目标跟踪中的应用》一文中研究指出针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。(本文来源于《导航定位与授时》期刊2019年01期）
邵丽萍,赵礼峰[9]（2019）在《最大流问题的最短增广链改进算法》一文中研究指出BA无标度网络是现实中常见的网络,在该网络中,任意两节点之间有极大可能存在多条路径,若用Ford-Fulkerson算法寻找增广链,效率不高且步骤繁杂。同时,在当今大数据时代背景下,随着网络规模的增加,提高算法效率成为解决大规模网络最大流问题的关键。为了改善以上不足,文中在最短增广链算法的基础上作了一些改进,提出了最短增广链改进算法。该算法基于最短增广链算法,删除原网络中没有起作用的弧;在分层剩余网络中删除的饱和弧,相应的在原网络中删除该弧,降低构建剩余网络和分层剩余网络的复杂性,从而优化最短增广链算法。实验结果表明,在BA无标度网络中该算法与最短增广链算法的计算结果相同,并且运行效率比最短增广链算法有所提高。(本文来源于《计算机技术与发展》期刊2019年05期）
张龙[10]（2018）在《一种新型图像恢复模型的增广拉格朗日算法研究及实现》一文中研究指出图像恢复是图像处理领域的一个重要研究分支,目的是使退化了的图像恢复到原来的真实面貌,从而提取或直接获得有用的信息。增广拉格朗日方法在图像恢复和计算机视觉领域有很广泛的应用,具有非常高的运行效率。本文基于变分微分方程理论建立了去除椒盐噪声和去除高斯-泊松混合噪声的图像恢复模型,构造了数值算法,给出了数值仿真实现。本文对常用的图像恢复模型:调和模型、ROF模型、TV-KL模型、基于L1保真项的全变差图像恢复模型的优缺点进行了全面的分析和介绍,并针对其存在的问题提出了改进的方法。本文结合调和模型、ROF模型、TV-KIL模型、TV-L1模型的优点,提出了两种新的图像恢复模型。1.本文综合考虑调和模型、TV-L1模型和L1保真项的优点,提出了一种去除椒盐噪声带L1保真项的混合变分模型,并用增广拉格朗日算法进行求解,最后使用MATLAB进行数值仿真实现,实验表明提出的新模型有效去除椒盐噪声,恢复了图像的纹理结构信息,同时模型的算法也具有较高的执行效率,并且一定程度上抑制了“阶梯效应”,充分证明新模型的可操作性和有效性。2.本文提出一种混合L2和KL保真项的图像恢复模型,该模型结合L2保真项能有效去除高斯噪声和KL保真项能有效去除泊松噪声的优点,克服了调和模型不能保留图像的边缘信息和TV-KL模型易造成“阶梯效应”的缺点,可有效去除高斯-泊松混合噪声,使用增广拉格朗日算法求解该模型,最终化为叁个子问题求解。为了加速计算,我们使用FFT来解决u子问题。对添加不同高斯-泊松混合噪声的测试图像进行数值模拟实验,实验表明提出的新模型有效地去除了混合噪声,恢复了图像的纹理结构信息,更好地保持了图像的边缘特征,充分验证了新模型的优越性。(本文来源于《中央民族大学》期刊2018-05-19）
增广算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
鉴于增广拉格朗日乘子法作为一种数学方法已被广泛应用于各类数值计算的实践中,提出了一种以增广拉格朗日乘子法为框架,能有效解决大路网通行能力限制下交通分配问题的求解算法。该算法中嵌入了基于可替换路径对的交通分配算法用于求解无通行能力限制的交通分配子问题,并给出了算法的具体步骤与技术细节。应用数值算例论证了算法的数值计算能力以及求解大路网通行能力限制下交通分配问题的性能,另外也分析了算法参数的灵敏度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
增广算法论文参考文献
[1].姜晓坤,籍艳,万立娟.输出误差滑动平均系统的递阶增广随机梯度算法[J].青岛科技大学学报(自然科学版).2019
[2].吴超峰.基于增广拉格朗日乘子法的通行能力限制交通分配算法[C].品质交通与协同共治——2019年中国城市交通规划年会论文集.2019
[3].温瑞萍,李姝贞.Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法（英文）[J].应用数学.2019
[4].王林军,廖玮,王锬,杜义贤.基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析[J].叁峡大学学报(自然科学版).2019
[5].梁仁莉,白延琴.求解稀疏逻辑回归问题的嵌套BB算法的分裂增广拉格朗日算法[J].运筹学学报.2019
[6].齐乃新,张胜修,杨小冈,李传祥,曹立佳.基于相机状态方程多模增广的改进MSCKF算法[J].仪器仪表学报.2019
[7].牛建华,王川龙.Toeplitz矩阵压缩恢复的两种中值修正的增广Lagrange乘子算法[J].工程数学学报.2019
[8].葛宝爽,张海,王湘萍.增广误差模型算法在目标跟踪中的应用[J].导航定位与授时.2019
[9].邵丽萍,赵礼峰.最大流问题的最短增广链改进算法[J].计算机技术与发展.2019
[10].张龙.一种新型图像恢复模型的增广拉格朗日算法研究及实现[D].中央民族大学.2018