双水平集算法及其在函数轮廓估计中的应用

摘要：

针对小样本、带噪声随机信号的双水平集估计问题,提出了D LSE算法.采用构造隐函数的方法,将二维曲线问题转换为三维曲面的水平集估计问题,以高斯过程描述随机信号的统计特性,考虑两个不同阈值,将样本点划分为超水平集、中水平集、次水平集.给出了D LSE算法的理论框架分析,进行了充分的数值实验,修改了相关参数(精度参数、采样点数)进行对比分析,采用F1分数评价方法给出了算法质量评估结果,将D LSE算法应用于函数最优化问题.改进了LSE算法,使其更适用于双阈值问题.经过验证,D LSE算法具有较高分类质量与较低复杂度,能够有效处理小样本空间下随机信号的双阈值问题,可广泛应用于有限随机信号的研究.

关键词：双水平集估计、隐函数、算法质量、优化

所属期刊栏目：39

分类号：TP301.6(计算技术、计算机技术)

资助基金：地震星火计划项目XH17024

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：309-313