【摘要】：在本文中,我們考慮基于非凸壓縮感知(?_q范數(shù)最小化方法和transformed?_1(簡稱TL1)范數(shù)最小化方法)的隨機配置方法在求解具有隨機輸入偏微分方程中的應用.本文主要可分為以下兩部分:1)利用?_q和?2之間的范數(shù)不等式與square root lifting不等式,我們提出通過?_q范數(shù)最小化方法重構稀疏和非稀疏信號的一些新的理論估計.同時,基于Cand`es的工作,我們建立了從欠采樣信息中利用TL1范數(shù)最小化方法重構稀疏信號的新結果,改善了之前Zhang和Xin的理論,從而具有更為簡潔優(yōu)雅的優(yōu)點.2)在不確定性量化領域,往往需要求解一個未知函數(shù)的多項式逼近,我們將?_q范數(shù)最小化方法和TL1范數(shù)最小化方法與隨機配置方法相結合來求解基于gPC稀疏展開的展開系數(shù).我們主要從原函數(shù)為稀疏多項式函數(shù)和一般的函數(shù)來研究這兩種重構展開系數(shù)方法的性能,并通過各種數(shù)值實驗顯示?_q和TL1范數(shù)最小化方法的優(yōu)越性.具體地說,我們首先通過恢復稀疏多項式函數(shù)的展開系數(shù)來研究?_q和TL1算法的重構成功率;然后考慮利用正交多項式逼近一些經(jīng)典解析函數(shù),通過計算其均方根誤差來顯示?_q和TL1最小化方法比一些其他方法(例如?_1最小化,reweighted-?_1范數(shù)最小化,?_1-2范數(shù)最小化)具有更優(yōu)的逼近效果.最后,我們考慮了帶有隨機輸入的PDE與ODE方程的求解,在數(shù)值實驗中刻畫了我們感興趣的隨機響應的逼近.所有的計算結果表明,?_q范數(shù)最小化方法優(yōu)于?_1范數(shù)最小化和reweighted-?_1范數(shù)最小化方法,而TL1范數(shù)最小化方法則優(yōu)于?_1范數(shù)最小化和?_1-2范數(shù)最小化方法.
【學位授予單位】：上海師范大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：O241

【相似文獻】

相關期刊論文 前10條

1 楊孝平;關于含非凸約束的變分問題[J];應用數(shù)學學報;1996年04期

2 金方銀;王林翔;劉榮;張誠;;基于非凸本構模型的磁流變流體圓管流動分析[J];功能材料;2012年04期

3 王仲范;;車輛隨機輸入及其模擬[J];武漢工學院學報;1981年01期

4 唐智亮;劉書田;張宗華;;薄壁非凸截面多胞管軸向沖擊耐撞性研究[J];固體力學學報;2011年S1期

5 劉燕;姚明臣;;基于特定隨機輸入樣本的模糊δ規(guī)則的收斂性[J];黑龍江大學自然科學學報;2013年01期

6 吳少華;非凸負極的平面電加工問題[J];武漢水利電力大學學報;1997年04期

7 申培萍;劉利敏;;求非凸二次約束二次規(guī)劃問題全局解的線性化方法[J];高等學校計算數(shù)學學報;2008年03期

8 柯小伍;Broyden非凸族的收斂性[J];北京師范大學學報(自然科學版);1995年01期

9 高峰;非凸優(yōu)化問題的一個對偶結論[J];應用數(shù)學與計算數(shù)學學報;1997年02期

10 王周宏,鐘毅芳;改進的ε-次梯度捆集法及其收斂性[J];應用數(shù)學;2001年03期

相關會議論文 前1條

1 唐智亮;劉書田;張宗華;;新型非凸截面薄壁管軸向沖擊吸能性能研究[A];中國力學學會學術大會'2009論文摘要集[C];2009年

相關博士學位論文 前4條

1 顧劍;非凸二階錐規(guī)劃問題的非線性重新尺度化方法[D];大連理工大學;2009年

2 向文;幾類帶二次約束的非凸二次優(yōu)化問題的算法研究[D];北京郵電大學;2010年

3 蔡紅艷;帶二次約束的非凸二次分式優(yōu)化問題研究及其在認知無線網(wǎng)絡中的應用[D];北京郵電大學;2014年

4 蔣劍軍;關于多項式函數(shù)與置換多項式的研究[D];四川大學;2005年

相關碩士學位論文 前6條

1 劉永樂;基于非凸的壓縮感知隨機配置方法求解帶有隨機輸入的SPDEs[D];上海師范大學;2017年

2 王亞麗;非凸極小化的兩種分裂方法[D];鄭州大學;2016年

3 錢亞;求解一類非凸非光滑問題的鄰近交替線性化慣性算法[D];南京師范大學;2016年

4 嚴春梅;不適定問題的雙參數(shù)非凸稀疏正則化[D];成都理工大學;2016年

5 律金曼;求解一類非凸非光滑優(yōu)化問題的鄰近交替束方法[D];廣西大學;2017年

6 王璞玉;分布式非凸正則化方法研究[D];西北大學;2017年

，

本文編號：2513015