导读:本文包含了凸优化论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,稀疏,递归,光滑,波束,方位,方向。
凸优化论文文献综述
祁峥东,卢阳沂,孔玥,刘晨[1]（2019）在《基于多凸优化的稀疏线性阵列综合方法》一文中研究指出提出了一种基于迭代算法的稀疏阵列综合方法,通过减少阵列单元数量以简化波束形成网络。该方法在每一步迭代过程中使用多凸优化方法,将控制主瓣波纹大小的非凸函数转化成凸函数,并将稀疏阵列综合问题转化为一系列迭代加权L1范数最小化的稀疏重构问题。通过该算法综合出来的阵列天线具有较少单元数与较高的方向图性能。算例表明,与传统算法相比较,文中提出的方法可以节省大量天线单元。(本文来源于《雷达与对抗》期刊2019年04期）
李泽,汪玲,胡长雨[2]（2019）在《融合深度学习和凸优化迭代求解策略的逆合成孔径雷达成像方法》一文中研究指出目的针对基于压缩感知(CS)的逆合成孔径雷达(ISAR)成像方法的成像质量和应用一直受到目标场景稀疏性好坏和迭代重建耗时长限制的问题,提出一种基于交替方向乘子法网络(ADMMN)的ISAR成像方法。方法根据交替方向乘子法(ADMM)求解稀疏假设下CS ISAR成像模型时采取的分裂变量的策略,将凸优化迭代求解过程映射到一个多级的深度神经网络,构建出ADMMN。ADMMN通过训练学习欠采样的ISAR测量数据与高质量目标图像之间的映射关系,借此实现ISAR欠采样数据成像。结果实验采用仿真卫星数据和实测飞机数据,两种数据的采样率分别为25%和10%。实验结果表明,相较于典型的CS ISAR正交匹配追踪(OMP)成像方法和贪婪卡尔曼滤波(GKF)成像方法,ADMMN成像方法能够更准确地重建目标区域散射点,在虚警(FA)、漏检(MD)和相对均方根误差(RRMSE)等成像质量评估指标上均有改善。在卫星数据成像实验中,相比于OMP和GKF,ADMMN在RRMSE指标上分别降低了49. 8%和26. 5%。在飞机数据成像实验中,相比于OMP和GKF,ADMMN在RRMSE指标上分别降低了68. 7%和74. 9%。此外,在验证ADMMN先验信息依赖性的实验中,分别采用卫星训练数据和飞机训练数据训练好的两种ADMMN,都能够对10%的飞机目标测量数据成像。结论融合深度学习和凸优化迭代求解策略的ADMMN ISAR成像方法能够使用非常少的数据获得高质量的成像结果,且成像效率高。(本文来源于《中国图象图形学报》期刊2019年11期）
储敏[3]（2019）在《稀疏正则非凸优化问题之全局收敛分析》一文中研究指出本文研究了一类稀疏正则化的非凸优化问题.利用近端梯度法,获得了其全局收敛的结果,推广了算法模型在神经网络训练中的应用.(本文来源于《数学杂志》期刊2019年06期）
喻昕,胡悦,马崇,伍灵贞,汪炎林[4]（2019）在《递归神经网络方法解决非光滑伪凸优化问题》一文中研究指出针对目标函数为非光滑伪凸函数且带有等式约束和不等式约束的优化问题,基于罚函数以及微分包含的思想,构建一个层次仅为一层且不包含惩罚算子的新型递归神经网络模型。该模型不用提前计算惩罚参数,能够很好地收敛。理论证明全局解存在,模型的状态解能够在有限的时间内进到原目标函数的可行域并不再离开,其状态解最终收敛到目标函数的一个最优解。仿真实验证实了理论结果的可行性。(本文来源于《计算机应用与软件》期刊2019年11期）
刘晓霞,王钰宁,陈霞[5]（2019）在《基于凸和非凸优化低秩矩估计的大数据处理算法》一文中研究指出针对大数据处理中存在的优化问题,提出一种基于凸和非凸优化低秩矩估计的大数据处理算法,并利用物联网采集与感知的大数据进行算法的实验验证与对比分析。在简单描述凸优化、非凸优化和低秩矩阵优化基础上,设计了基于凸和非凸优化低秩矩估计的大数据处理算法,并对算法收敛性进行了分析;然后利用物联网感知设备,进行数据感知与采集,然后利用所设计的算法进行对比实验。通过实验表明,本文算法在训练时和测试时,在归一化平均绝对误差和运行时间上,具有较好的结果。(本文来源于《软件工程》期刊2019年11期）
季浩然,马晓川[6]（2019）在《应用凸优化拟合的最小方差无失真的方位估计算法》一文中研究指出0引言方位估计是阵列信号处理中重要的组成部分[1][2][3]。利用波束形成对接收信号进行方位估计,称为波束扫描类算法,主要基于常规波束形成的目标方位估计(CBF),以及自适应类波束形成算法,如最小方差无失真算法(MVDR)[4],目标方位估计能力高于CBF算法[5]。之后又出现了利用信号子空间与噪声子空间对方位进行估计的算法,主要代表为多重信号分类(MUSIC)[6]以及信号参数估计旋转不变技术(ESPRIT)[7]。2006年,E.Candes等人提出压缩感知理论(CS)[8]。之后,Malioutov利用压缩感知(本文来源于《2019年全国声学大会论文集》期刊2019-09-21）
周林,刘先省,方拥军,金勇[7]（2019）在《贝叶斯框架下基于凸优化的系统偏差估计方法》一文中研究指出针对多传感器协同探测系统中系统偏差呈现出的随机性和突变性,以及估计方法的误差增加、估计鲁棒性较难保证等问题,在贝叶斯估计框架下,提出了基于凸优化的系统偏差估计方法。该方法首先依据最大似然估计准则推导出量测最大似然函数,并将其变形为与状态参数无关的多传感器量测最大似然函数;其次,结合系统偏差投影等式和待估参数范围不等式两类约束条件,将最大似然估计问题转化为具有目标函数、约束函数的凸优化问题;最后,利用拉格朗日乘子方法构造系统偏差二次函数,并在约束条件下利用凸优化技术实现多传感器系统偏差的优化求解。仿真结果表明,相比于同等条件下的其他方法,所提方法提高了估计精度,降低了时间复杂度。(本文来源于《探测与控制学报》期刊2019年04期）
喻昕,马崇,胡悦,伍灵贞,汪炎林[8]（2019）在《一种新型解决非光滑伪凸优化问题的神经网络方法》一文中研究指出优化问题的研究一直以来深受科研工作者的关注,凸优化问题作为优化问题的一个重要部分更是成为研究重点,许多应用神经网络思想提出的模型已经被应用到实际问题中。然而,在机器学习、信号处理、生物信息学等领域中涉及的优化问题往往不是凸优化问题,而是伪凸优化及非凸优化的问题,因此解决后一类问题变得刻不容缓。针对目标函数是非光滑伪凸函数、约束函数由等式和不等式函数构成的优化问题,基于罚函数以及微分包含的思想,构建了一个新型的不含惩罚参数的单层神经网络模型。该模型的主要设计思路是根据已经提出的神经网络模型思想,为目标函数的梯度设计一个制约的函数,使其值始终保持在一个范围之内,再结合一个关于时间的函数,确保其值随时间变小。同时,考虑到不等式约束对状态解进入等式约束之前的收敛方向有影响,加入一个条件函数来限制它。与已提出的神经网络模型相比,所提模型具有结构简单、无须提前进行惩罚参数的计算、对初始点的位置无特殊要求等优势。而且,对于任意初始点,理论证明了状态解的有界性、状态解能够在有限时间内收敛到等式约束内并永驻其中、状态解能够在有限时间内收敛到可行域并永驻其中以及状态解最终收敛到优化问题的最优解。在MATLAB环境下,通过数学仿真实验,状态解都能快速地收敛到一个最优解。同时,用已经提出的类似神经网络模型解决同样的优化问题时,若罚参数或初始点选择不恰当则会导致状态解不能很好地收敛。这不仅验证了所提出的理论结果的正确性,同时也说明了所提网络具有更广泛的应用范围。(本文来源于《计算机科学》期刊2019年11期）
温珊,王俊义,劳保强[9]（2019）在《改进的射电干涉成像凸优化算法》一文中研究指出针对射电干涉成像中产生的凸优化任务,提出了一种改进的射电干涉成像凸优化算法。基于ADMM算法高度可并行化的结构,依靠前后向迭代解的相关性,在每次迭代算法正向(梯度)步骤中提出一种新的有效加权方案以提高每次重构的精确性。该设计对后向步骤复原结果引入二次加权更新。更新方程取决于前两个复原结果估计,而非是当前值。改进后的算法不仅可以保持与ADMM相同的并行实现结构和相同的计算负担,而且可以实现更好的噪声图像重建。实验仿真表明,改进的方法在信噪比和视觉质量均优于先进的成像方法。(本文来源于《桂林电子科技大学学报》期刊2019年01期）
周鹏,苏继斌,刘战合,邸金红,苗楠[10]（2019）在《传感网时空数据凸优化稳健波形成方法》一文中研究指出利用凸优化融合图论建模分析,构建传感器阵列信号模型,设计噪声和干扰子空间导向向量校正。采用松弛半正定(SDR)和S-过程凸优化分析,将非线性非凸问题建模为半定规划(SDP)凸优化问题,构建空间功率谱匹配的协方差矩阵模型,得到传感网时空数据凸优化稳健波形成方法。提出抵达时差(TDOA)和频率相位差异(FDOA)多态融合算法,显着提高多目标跟踪质量,实现精确定位。仿真实验结果表明,时空数据凸优化稳健波形成方法具有明显优势,分辨能力优于传统定位算法。(本文来源于《电光与控制》期刊2019年11期）
凸优化论文开题报告
（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：
目的针对基于压缩感知(CS)的逆合成孔径雷达(ISAR)成像方法的成像质量和应用一直受到目标场景稀疏性好坏和迭代重建耗时长限制的问题,提出一种基于交替方向乘子法网络(ADMMN)的ISAR成像方法。方法根据交替方向乘子法(ADMM)求解稀疏假设下CS ISAR成像模型时采取的分裂变量的策略,将凸优化迭代求解过程映射到一个多级的深度神经网络,构建出ADMMN。ADMMN通过训练学习欠采样的ISAR测量数据与高质量目标图像之间的映射关系,借此实现ISAR欠采样数据成像。结果实验采用仿真卫星数据和实测飞机数据,两种数据的采样率分别为25%和10%。实验结果表明,相较于典型的CS ISAR正交匹配追踪(OMP)成像方法和贪婪卡尔曼滤波(GKF)成像方法,ADMMN成像方法能够更准确地重建目标区域散射点,在虚警(FA)、漏检(MD)和相对均方根误差(RRMSE)等成像质量评估指标上均有改善。在卫星数据成像实验中,相比于OMP和GKF,ADMMN在RRMSE指标上分别降低了49. 8%和26. 5%。在飞机数据成像实验中,相比于OMP和GKF,ADMMN在RRMSE指标上分别降低了68. 7%和74. 9%。此外,在验证ADMMN先验信息依赖性的实验中,分别采用卫星训练数据和飞机训练数据训练好的两种ADMMN,都能够对10%的飞机目标测量数据成像。结论融合深度学习和凸优化迭代求解策略的ADMMN ISAR成像方法能够使用非常少的数据获得高质量的成像结果,且成像效率高。
（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。
凸优化论文参考文献
[1].祁峥东,卢阳沂,孔玥,刘晨.基于多凸优化的稀疏线性阵列综合方法[J].雷达与对抗.2019
[2].李泽,汪玲,胡长雨.融合深度学习和凸优化迭代求解策略的逆合成孔径雷达成像方法[J].中国图象图形学报.2019
[3].储敏.稀疏正则非凸优化问题之全局收敛分析[J].数学杂志.2019
[4].喻昕,胡悦,马崇,伍灵贞,汪炎林.递归神经网络方法解决非光滑伪凸优化问题[J].计算机应用与软件.2019
[5].刘晓霞,王钰宁,陈霞.基于凸和非凸优化低秩矩估计的大数据处理算法[J].软件工程.2019
[6].季浩然,马晓川.应用凸优化拟合的最小方差无失真的方位估计算法[C].2019年全国声学大会论文集.2019
[7].周林,刘先省,方拥军,金勇.贝叶斯框架下基于凸优化的系统偏差估计方法[J].探测与控制学报.2019
[8].喻昕,马崇,胡悦,伍灵贞,汪炎林.一种新型解决非光滑伪凸优化问题的神经网络方法[J].计算机科学.2019
[9].温珊,王俊义,劳保强.改进的射电干涉成像凸优化算法[J].桂林电子科技大学学报.2019
[10].周鹏,苏继斌,刘战合,邸金红,苗楠.传感网时空数据凸优化稳健波形成方法[J].电光与控制.2019
论文知识图
