当前位置:文档之家› 正则化全参数地确定方法

正则化全参数地确定方法

实用标准文案
精彩文档
1. 拟最优准则
Tikhonov指出当数据误差水平和未知时,可根据下面的拟最优准则:

0minoptdxd









(1-1)

来确定正则参数。其基本思想是:让正则参数以及正则解对该参数的变化率同时稳定在
尽可能小的水平上。
2. 广义交叉验证

2
2
(())/()[(())]/IAymVtrIAm



(2-1)

其中,*1*()A(AAI)AhhhhA,1(IA())(1())mkkktr,
()
kk

为()A的

对角元素。这样可以取
*

满足

*
()min()VV

(2-2)

此法源于统计估计理论中选择最佳模型的PRESS准则,但比它更稳健。
3. L_曲线法
L曲线准则是指以log-log尺度来描述与的曲线对比,进而根据该对比结果来确定正则
参数的方法。其名称由来是基于上述尺度作图时将出现一个明显的L曲线。
运用L曲线准则的关键是给出L曲线偶角的数学定义,进而应用该准则选取参数。
Hanke等[64]建议定义L曲线的偶角为L曲线在log-log尺度下的最大曲率。令
logbAx,logx
,则该曲率作为参数的函数定义为

''''''
3
'2'2
2

()(()())c

(3-1)

其中“'”表示关于的微分。
H.W.Engl在文献[40]中指出:在相当多的情况下,L曲线准则可通过极小化泛函
实用标准文案
精彩文档
()xbAx
来实现。即,选取*使得


*

0arginf()

(3-2)

这一准则更便于在数值计算上加以实施。
但到目前为止,还没有相关文献获得过关于L曲线准则的收敛性结果。另一方面,有文献
己举反例指出了L曲线准则的不收敛性。虽然如此,数值计算的结果表明,L曲线准则与GCV
一样,具有很强的适应性。
4. 偏差原理:
定理4-1:(Morozov 偏差原理)[135]如果()是单值函数,则当
0
(,)UzAu

时存在

这样的(),使得:

()
(,)UzAu
(4-1) ,

式中

1
0|[]inf[]Fzzz


事实上,令
2
()()

,由()的单调性和半连续性,可知()也是单调和

半连续的,并且

0lim()0


同时,由
0
z

的定义以及()的半连续性,对于给定的,可以找到这样的00(),

使得:

()
0

00(())(())(,)Uz

Au

由()的单值性可导出()的单值性,从而必定存在
0
()[0,]

满足方程

(4-1)。
根据上述定理,若方程
,Azu
uF, uU

(4-2)

的准确右端项()uRA,而u的近似
s
uU且满足条件:(,)Uuu;(0,)u


实用标准文案
精彩文档
则正则化参数()存在且唯一。
5. 误差极小化准则
Arcangeli主张由下式来确定正则参数

0Axy
(5-1)

注意到对于每个固定的0,函数
()Axy
(5-2)

对是连续的,单调递增的,且有

0lim()0,lim()

(5-3)

故存在唯一的一个()满足方程(5-1)。
6. 无偏差预测风险估计

相关主题