一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

多基線相位解纏繞問(wèn)題可以轉(zhuǎn)化為求解L1范數(shù)優(yōu)化問(wèn)題的最優(yōu)解，然而L1范數(shù)多基線相位解纏繞算法存在內(nèi)存需求量大的問(wèn)題，且對(duì)噪聲嚴(yán)重的干涉相位圖處理效果不理想。為了減少用線性規(guī)劃算法解L1范數(shù)多基線相位解纏繞時(shí)內(nèi)存需求較大的問(wèn)題，該文提出用L范數(shù)的懲罰函數(shù)來(lái)近似L1范數(shù)的懲罰函數(shù)以減少優(yōu)化模型中優(yōu)化變量的大小，從而將多基線相位解纏繞模型其目標(biāo)函數(shù)變?yōu)?em>L范數(shù)+L1范數(shù)的形式，并且優(yōu)化變量的大小減少了約57%。最后，通過(guò)一個(gè)噪聲嚴(yán)重的實(shí)測(cè)數(shù)據(jù)對(duì)該文算法進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，該文提出的方法不僅可以有效地解纏繞質(zhì)量較好的條紋圖，同時(shí)對(duì)噪聲嚴(yán)重區(qū)還具有一定的濾波效果。

該文研究基于代理函數(shù)和先驗(yàn)概率密度的L0范數(shù)平滑逼近問(wèn)題的穩(wěn)健求解。首先，分析了平滑逼近函數(shù)的凹凸特性，給出提高恢復(fù)性能的參數(shù)調(diào)整策略與改進(jìn)的SL0和FOCUSS算法。其次，將噪聲背景下L0范數(shù)逼近過(guò)程進(jìn)行正則化表示，并基于牛頓方向推導(dǎo)其迭代重加權(quán)形式的求解框架，給出一種新的代理函數(shù)。最后，使用數(shù)值仿真證實(shí)了所提算法可以提高此類問(wèn)題的求解的穩(wěn)健性，具有實(shí)用價(jià)值。

對(duì)于一個(gè)平面圖G實(shí)施擴(kuò)3-輪運(yùn)算是指在G的某個(gè)三角形面xyz內(nèi)添加一個(gè)新頂點(diǎn)v，使v與x, y, z均相鄰，最后得到一個(gè)階為|V(G)|+1的平面圖的過(guò)程。一個(gè)遞歸極大平面圖是指從平面圖K₄出發(fā)，逐次實(shí)施擴(kuò)3-輪運(yùn)算而得到的極大平面圖。 所謂一個(gè)(k,l)-遞歸極大平面圖是指一個(gè)遞歸極大平面圖，它恰好有k個(gè)度為3的頂點(diǎn)，并且任意兩個(gè)3度頂點(diǎn)之間的距離均為l。該文對(duì)(k,l)-遞歸極大平面圖的存在性問(wèn)題做了探討，刻畫(huà)了(3,2)-及(2,3)-遞歸極大平面圖的結(jié)構(gòu)。

GNSS信號(hào)的空間信號(hào)(SIS)質(zhì)量直接影響用戶的定位、測(cè)試和授時(shí)(Positioning, Velocity and Timing, PVT)服務(wù)精度，但由于授權(quán)信號(hào)保密等原因，授權(quán)信號(hào)的偽碼序列未知，衛(wèi)星導(dǎo)航系統(tǒng)授權(quán)信號(hào)質(zhì)量評(píng)估存在一定的困難性。該文主要分析GPS BIIF-5衛(wèi)星L1頻點(diǎn)的相干自適應(yīng)副載波調(diào)制(CASM)信號(hào)，利用匹配濾波理論恢復(fù)出采集數(shù)據(jù)中的P(Y)碼和M碼兩個(gè)授權(quán)信號(hào)分量的偽碼符號(hào)，采用極大似然估計(jì)結(jié)合信號(hào)分布特點(diǎn)準(zhǔn)確求解出各信號(hào)分量之間的功率分配。重點(diǎn)分析P(Y)碼和M碼信號(hào)相關(guān)性能，包含相關(guān)曲線、相關(guān)損失和S曲線過(guò)零點(diǎn)偏差(S-Curve bias)，定量地評(píng)估了授權(quán)信號(hào)的空間信號(hào)質(zhì)量。提出完整的基于GPS L1頻點(diǎn)授權(quán)信號(hào)質(zhì)量評(píng)估方法，研究成果可作為其他衛(wèi)星導(dǎo)航系統(tǒng)授權(quán)信號(hào)質(zhì)量評(píng)估的參考。

介紹在L波段強(qiáng)流相對(duì)論速調(diào)管研究中,強(qiáng)流相對(duì)論短脈沖空心電子束的產(chǎn)生、傳輸、束流調(diào)制及其診斷等方面的初步實(shí)驗(yàn)研究情況。在直線感應(yīng)加速器上,利用66mm、壁厚3mm的石墨空心陰極,加上約5kGs的準(zhǔn)直流引導(dǎo)磁場(chǎng),引出了約500kV、4.5kA、脈寬100ns、54.5mm、厚度4.5mm的空心電子束。注入500kW的微波調(diào)制,束流經(jīng)過(guò)輸入腔后,得到了約6％的最大基波電流調(diào)制深度,經(jīng)過(guò)中間腔后,得到了約23％的基波電流調(diào)制深度。

基于精確罰函數(shù)法,提出了新的求解L1范致問(wèn)題最優(yōu)解的神經(jīng)網(wǎng)絡(luò)方法,它避免了Kennedy和Chua(1988)網(wǎng)絡(luò)罰因子較大時(shí)性態(tài)變壞問(wèn)題。對(duì)Bandler(1982)提出的模擬電路故障診斷L1范數(shù)法進(jìn)行了改進(jìn),將線性約束L1問(wèn)題轉(zhuǎn)化為非線性約束L1問(wèn)題,并用新的神經(jīng)網(wǎng)絡(luò)方法求解,計(jì)算量小。模擬實(shí)驗(yàn)表明,所提神經(jīng)網(wǎng)絡(luò)方法和改進(jìn)的模擬電路故障診斷L1范數(shù)方法是可行的。

基于密度差(Difference Of Density, DOD)思想，L2核分類器算法具有良好的分類性能及稀疏性，然而其訓(xùn)練域與測(cè)試域獨(dú)立同分布的假設(shè)限制了其應(yīng)用范圍。針對(duì)此不足，該文提出一種新的面向遷移學(xué)習(xí)的L2核分類器(Transfer Learning-L2 Kernel Classification, TL-L2KC)，該方法既保持了L2核分類器算法良好的分類性能，又能處理數(shù)據(jù)集緩慢變化及訓(xùn)練集在特定約束條件下獲得導(dǎo)致訓(xùn)練集和未來(lái)測(cè)試集分布不一致的問(wèn)題?；谌嗽鞌?shù)據(jù)集和UCI真實(shí)數(shù)據(jù)集的實(shí)驗(yàn)表明，該文提出的TL-L2KC算法較之于經(jīng)典的遷移學(xué)習(xí)分類方法，具有相當(dāng)?shù)?、甚至更好的性能?/div>