为了解决传统硬阈值方法在处理异常测站时难以应对模糊边界的问题,提出一种新方法,将构造运动和观测误差引起的测站异常均视为粗差,并利用隶属度函数构建IGGⅢ等价权函数,以减小异常测站的影响。新方法引入模糊集理论,是一种基于标准化...为了解决传统硬阈值方法在处理异常测站时难以应对模糊边界的问题,提出一种新方法,将构造运动和观测误差引起的测站异常均视为粗差,并利用隶属度函数构建IGGⅢ等价权函数,以减小异常测站的影响。新方法引入模糊集理论,是一种基于标准化残差属于粗差的模糊子集隶属度函数改进的IGGⅢ抗差估计方法(membership function IGGⅢ,MF-IGGⅢ)。首先,通过模糊统计确定标准化残差受粗差污染程度最大的模糊子集的隶属度函数;然后,依据这些隶属度函数值构建等价权函数,并进行选权迭代。模拟实验和对环渤海区域GNSS速度场的拟合分析结果表明,该方法在异常测站检测方面的表现优于假设检验法、均值漂移法和IGGⅢ法,显示出较强的异常测站识别能力。展开更多
提出了一种模糊最优间隔分布矩阵分类器(Fuzzy Optimal-margin Distribution Matrix Classifier,FODMC)。该模型通过整合模糊隶属度理论与间隔分布优化机制,实现了矩阵结构信息的有效提取与异常值的鲁棒处理。具体而言,FODMC采用基于间...提出了一种模糊最优间隔分布矩阵分类器(Fuzzy Optimal-margin Distribution Matrix Classifier,FODMC)。该模型通过整合模糊隶属度理论与间隔分布优化机制,实现了矩阵结构信息的有效提取与异常值的鲁棒处理。具体而言,FODMC采用基于间隔分布的损失函数来优化分类边界,结合核范数正则化策略保持矩阵的低秩特性,并利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)实现模型的高效训练。在多个基准数据集上的实验结果表明:与现有方法相比,FODMC在分类准确率、鲁棒性和泛化能力等方面均展现出显著优势,为矩阵数据分类问题提供了一种有效的解决方案。展开更多
从退化图像中恢复原始干净图像是一个经典的病态反问题,正则化技术是解决此问题的主流方法之一。它将解图像限定在一个正则空间中,复原图像即是退化图像在正则空间中的投影,但是针对不同图像选择合适的正则空间是一个难点。为提高正则...从退化图像中恢复原始干净图像是一个经典的病态反问题,正则化技术是解决此问题的主流方法之一。它将解图像限定在一个正则空间中,复原图像即是退化图像在正则空间中的投影,但是针对不同图像选择合适的正则空间是一个难点。为提高正则化模型的适应性,更为精细地建模不同特征图像,基于模糊集理论,提出了一个自适应复合正则化模型。首先采用学习算法计算图像对于不同正则空间的隶属度,然后选择隶属度最大的前s个空间,以隶属度为权重建立自适应复合正则化模型,最后采用ADMM(Alternating Direction Method of Multipliers)算法对模型进行求解。实验结果表明,对于不同的图像,模型可以很好地选择合适的正则空间,得到满意的复原效果。展开更多
文摘为了解决传统硬阈值方法在处理异常测站时难以应对模糊边界的问题,提出一种新方法,将构造运动和观测误差引起的测站异常均视为粗差,并利用隶属度函数构建IGGⅢ等价权函数,以减小异常测站的影响。新方法引入模糊集理论,是一种基于标准化残差属于粗差的模糊子集隶属度函数改进的IGGⅢ抗差估计方法(membership function IGGⅢ,MF-IGGⅢ)。首先,通过模糊统计确定标准化残差受粗差污染程度最大的模糊子集的隶属度函数;然后,依据这些隶属度函数值构建等价权函数,并进行选权迭代。模拟实验和对环渤海区域GNSS速度场的拟合分析结果表明,该方法在异常测站检测方面的表现优于假设检验法、均值漂移法和IGGⅢ法,显示出较强的异常测站识别能力。
文摘提出了一种模糊最优间隔分布矩阵分类器(Fuzzy Optimal-margin Distribution Matrix Classifier,FODMC)。该模型通过整合模糊隶属度理论与间隔分布优化机制,实现了矩阵结构信息的有效提取与异常值的鲁棒处理。具体而言,FODMC采用基于间隔分布的损失函数来优化分类边界,结合核范数正则化策略保持矩阵的低秩特性,并利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)实现模型的高效训练。在多个基准数据集上的实验结果表明:与现有方法相比,FODMC在分类准确率、鲁棒性和泛化能力等方面均展现出显著优势,为矩阵数据分类问题提供了一种有效的解决方案。
文摘从退化图像中恢复原始干净图像是一个经典的病态反问题,正则化技术是解决此问题的主流方法之一。它将解图像限定在一个正则空间中,复原图像即是退化图像在正则空间中的投影,但是针对不同图像选择合适的正则空间是一个难点。为提高正则化模型的适应性,更为精细地建模不同特征图像,基于模糊集理论,提出了一个自适应复合正则化模型。首先采用学习算法计算图像对于不同正则空间的隶属度,然后选择隶属度最大的前s个空间,以隶属度为权重建立自适应复合正则化模型,最后采用ADMM(Alternating Direction Method of Multipliers)算法对模型进行求解。实验结果表明,对于不同的图像,模型可以很好地选择合适的正则空间,得到满意的复原效果。
