基于矩阵低秩分解的图书馆电子资源评估因子分析模型

利用矩阵低秩分解技术建立图书馆电子资源评估的因子分析模型,并针对韶关学院图书馆所使用的电子资源使用情况进行评估,找到主要的影响因素.

基于自适应矩阵低秩分解的三维电容提取计算加速

为了加速直接边界元法电容提取,利用方程组系数矩阵的局部低秩性进行定精度的低秩分解,用分解因子代替原矩阵参与线性方程组的迭代求解,在保持一定精度的同时加快求解速度.为了降低矩阵分解带来的额外开销,提出分解算法针对矩阵向量乘这一下游任务进行优化.在大量三维互连线结构上的实验结果表明,所提快速自适应低秩分解fastQB算法相比现有的randQB_EI算法的加速比达到1.5,引入矩阵低秩分解后方程组的迭代求解加速比达到16.8.

多矩阵低秩分解的鲁棒特征提取

由于传统的人脸识别算法效果容易受制于光照、表情、遮挡以及稀疏大噪声等外界因素的影响,如何有效提取数据特征、进一步提升算法的鲁棒性,是传统人脸识别方法发展的关键所在。本文将多矩阵低秩分解应用在人脸特征提取中,充分利用多张人脸之间的结构相似性,探索人脸图像集的低秩子空间,进而结合低秩矩阵恢复模型来提取测试样本的低秩特征。最后,利用主成分分析(Principal component analysis,PCA)算法对所提取的特征矩阵进行进一步降维,并运用稀疏表示方法分类。实验结果表明,当样本中存在一定的椒盐噪声时,本文算法在AR、Yale和CMU_PIE人脸库上均具有较好的识别精度,验证了本文算法对椒盐噪声的鲁棒性。

基于低秩稀疏矩阵分解与定位窗滤波的混响抑制技术

在强混响背景下,使用传统的预白化处理、时频分析以及子空间分析等方法对动目标检测效果不佳,针对这一问题,本文利用近年来新引入的低秩稀疏矩阵分解理论来提高强混响背景下的动目标检测能力,采用多帧数据联合的鲁棒PCA处理算法,结合混响数据的声学特征将声学检测问题转化为图像分解问题,并通过对比PCA算法处理结果,给出算法的性能比较;与此同时,本文结合目标运动连续性和稀疏杂点随机性的特征差异,提出一种定位窗滤波方法,进一步滤除稀疏杂点,净化主动声呐显示图像,提高主动声呐动目标检测性能。仿真及试验数据处理结果说明,在阵元端信混比-5 dB情况下,算法仍然可以对目标准确定位,滤除稀疏杂点,且在时频域上效果更佳,显著提高了主动声呐动目标检测能力。

基于多尺度Laws纹理能量和低秩分解的织物疵点检测算法

为提高织物疵点检测算法对简单纹理织物、模式纹理织物及条纹纹理织物检测时的普适性和准确性,提出了一种基于多尺度Laws纹理能量和低秩分解的织物疵点检测算法。首先,对织物图像进行直方图均衡化并将处理后的图像均匀划分为子图像块;其次,对每个子图像块提取28个纹理能量特征(利用7个Laws滤波模板在4个尺度上提取),计算所有子图像块提取到的特征均值并组成特征矩阵;然后,利用特征矩阵构建低秩分解模型,通过方向交替方法(ADM)优化求解,得到低秩部分和稀疏部分;最后,由稀疏部分生成疵点显著图,采用迭代阈值分割法对其进行分割,得到织物疵点检测结果。为验证该算法的有效性,在织物图像数据集选取了包含错纬、断经、跳花、破洞等常见疵点的织物图像,并将实验结果与已有3种算法进行了对比。实验结果表明,该算法在简单纹理织物、模式纹理织物及条纹纹理织物检测上具有更好的普适性和准确性,且检测效率具有一定优势。

基于非局部低秩稀疏矩阵分解的低剂量脑灌注CT统计迭代重建

脑灌注CT成像需要对患者头部进行连续反复扫描,相应的X射线辐射剂量较常规CT显著增加。为减少X射线辐射剂量,提出一种基于非局部低秩稀疏矩阵分解的低剂量脑灌注CT统计迭代重建方法。首先对脑灌注CT序列图像进行分块,然后构建非局部低秩稀疏矩阵分解模型,最后求解相应的目标函数重建出脑灌注CT序列图像。与滤波反投影算法和基于低秩稀疏矩阵分解的惩罚加权最小二乘方法相比,本文方法得到的脑血容参数图像的结构相似性指标分别提高38.07%和5.61%、特征相似性指标分别提高13.17%和2.47%;平均通过时间参数图像的结构相似性指标分别提高59.73%和0.28%、特征相似性指标分别提高20.26%和0.70%。本文方法能在去除低剂量脑灌注CT图像噪声和伪影的同时保持图像的边缘结构信息,并且获得更准确的脑血流动力学参数图像。

基于自适应图正则化与联合低秩矩阵分解的数字文化遗产多标签众包答案聚合方法

多标签答案聚合问题是通过融合众包收集的大量非专家标注来估计样本的真实标签,由于数字文化遗产数据具有标注成本高、样本类别多、分布不均衡等特点,给数据集多标签答案聚合问题带来了极大挑战。以往的方法主要集中在单标签任务,忽视了多标签任务的标签关联性;大部分多标签聚合方法虽然在一定程度上考虑了标签相关性,但是很敏感地受噪声和离群值的影响。为解决这些问题,提出一种基于自适应图正则化与联合低秩矩阵分解的多标签答案聚合方法AGR-JMF。首先,将标注矩阵分解成纯净标注和噪声标注两部分;对纯净标注采用自适应图正则化方法构建标签间的关联矩阵;最后,利用标注质量、标签关联性、标注人员行为属性相似性等信息指导低秩矩阵分解,以实现多标签答案的聚合。真实数据集和莫高窟壁画数据集上的实验表明,AGR-JMF相较于现有算法在聚合准确率、识别欺诈者等方面具有明显优势。

低秩矩阵分解在母线坏数据辨识与修复中的应用

母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方法。从母线数据本身出发,首先分析了母线数据的低秩特性,研究不同类型坏数据产生的原因;然后建立了一种基于低秩矩阵分解的母线坏数据辨识与修复的模型,并给出了基于阈值迭代法(iterative thresholding,IT)的模型求解方法;最后,利用广东省母线负荷实际算例进行了分析,并利用修复前后的母线数据进行虚拟预测对比,结果实现了坏数据的有效恢复和预测精度的提高。

铁轨图像的低秩矩阵分解缺陷检测

随着高铁在中国乃至世界的快速发展,对轨道质量的要求越来越高。轨道表面缺陷检测直接关系着铁路安全、国家经济及安全等问题。基于固定光源下的摄像头拍摄的轨道表面图像,将轨道表面的缺陷检测建模为低秩矩阵分解问题,并对分解得到的稀疏矩阵计算其行累积量,由于去除了背景的干扰,缺陷区域所在的行累积量绝对值会变得很小,从而可以通过阈值操作得到缺陷行坐标,最后对由缺陷行坐标确定的小图像块区域进行二值化操作,并寻找最大联通区域即可确定缺陷位置,实现缺陷的自动检测与定位。与已有文献实验比较结果表明,该算法对不同光照及背景下的轨道缺陷检测均取得了较好的检测结果。

基于低秩矩阵分解的遥感图像薄云去除方法

为了较好地去除遥感图像中的薄云遮挡,还原地表图像,提出了一种利用低秩矩阵分解的遥感图像薄云去除算法。该算法根据薄云图像的低秩特性,将图像进行低秩矩阵分解,得到背景、前景和薄云图像。然后将去除薄云信息后的前景和背景信息相融合,得到地物成分。将该算法与其他传统算法应用在卫星影像数据上,对薄云去除效果运用主客观指标进行比较。实验结果表明,该算法能够克服传统算法中细节丢失以及去除不完全的问题,不仅能够在不同地物场景下对薄云进行去除,而且能够较好地保留地物的细节信息。

Hessian正则化的低秩矩阵分解算法

流形正则化低秩矩阵分解(Manifold Regularized Low-rank Matrix Factorization,MRLMF)算法是一种最近提出的能考虑样本间流形结构的矩阵分解算法.MRLMF采用Laplacian图来表示样本的流形结构,但是,最近研究表明,由于Laplacian图的零空间中的测地线函数为常数,使得其往往不能较好的保持样本间的局部拓扑结构.为了解决这一问题,提出一种Hessian正则化的低秩矩阵分解算法(Hessian Regularized Low-rank Matrix Factorization,HRLMF).HRLMF利用二阶Hessian能来保持样本的局部流形结构,而Hessian能可以使测地线函数随距离变化,从而使得其保持样本局部拓扑结构的能力更强.此外,也给出了一种求解HRLMF的高效算法.在实际数据库上的实验表明,MRLMF算法比现有的算法有着更好的性能.

基于非局部低秩稀疏矩阵分解的低剂量脑灌注CT图像恢复方法

目的为了减少脑灌注CT检查的辐射剂量,提高低剂量脑灌注CT图像质量,本文提出一种基于非局部低秩稀疏矩阵分解的低剂量脑灌注CT图像恢复方法。方法对低剂量脑灌注CT图像进行分块形成一个矩阵,构建低秩稀疏矩阵分解模型进行求解后得到优质的低剂量脑灌注CT图像,最后利用恢复后的脑灌注CT序列图像计算出脑血流动力学参数图像。结果在数值实验中,滤波反投影算法的图像的平均结构相似性为0.9438,本文方法恢复结果的平均结构相似性提高到0.9765;滤波反投影算法得到的脑血流量和脑血容量参数图像的结构相似性分别为0.7005和0.6856,本文方法得到的脑血流量和脑血容量参数图像的结构相似性提高到0.7871和0.7972。结论本文方法在低剂量脑灌注CT图像噪声抑制和结构保持方面均有很好的表现,并且可以获取准确的脑血流动力学参数图像。

基于低秩矩阵分解和协作表示的人脸图像分类

为了降低干扰因素对人脸识别准确率的影响,提出一种基于低秩矩阵分解和协作表示的人脸图像分类算法。针对噪声阴影影响,使用鲁棒主分量分析(RPCA)对人脸数据进行低秩矩阵分解,去除干扰,得到较为干净的人脸图像。通过协作表示分类方法对经RPCA处理后的低秩分量图像进行分类,通过归一化的最小重构误差来判定测试样本的具体类标。在3个人脸数据集上对算法性能进行仿真测试,结果表明,该算法在10%到50%的标记率下较其他算法均能提升分类识别率。

基于低秩稀疏矩阵分解的非接触心率估计

心率检测作为一项重要的生理检测指标,在医学健康、刑侦检测、信息安全等方面具有重要应用。计算机视觉领域近期的研究表明,心率信号可以通过摄像头捕捉的视频予以获取。现有的研究方法在理想的实验环境下已取得较好的效果,然而在自然状态面部旋转以及出现各种噪声(阴影、遮挡)时鲁棒性较弱。通过检测人脸的关键点,获得面部区域的感兴趣,避免因面部旋转引入检测误差,在现有模型的基础上提出一种基于低秩稀疏矩阵分解的非接触式心率估计模型,对频域血液体积脉冲(BVP)信号矩阵实现去噪处理,解决使用摄像头非接触式获取心率信号时存在的问题。实验显示,该模型在MAHNOB-HCI数据集上实现了3.25%的误差比均值,优于现有的模型。

基于稀疏与低秩矩阵分解的视频背景建模

针对传统背景建模方法的缺点,基于稀疏与低秩矩阵分解理论,在增广拉格朗日乘子法框架下,研究了一种收敛更快的非精确增广拉格朗日乘子法(IALM),直接实现监控视频序列中背景和前景的分离。该算法采用块Lanczos方法和热启动技术实现部分奇异值分解,使得原有IALM的计算量和迭代次数得以控制。基于实际监控视频的实验结果表明,该算法恢复出的背景矩阵更为低秩,且运行时间下降了几十倍,即能够更加简洁高效地解决背景建模这一实际问题。

基于光谱加权低秩矩阵分解的高光谱影像去噪方法

高光谱遥感影像在获取和传输过程中会受到各种类型噪声的污染,不仅降低影像质量,也限制了其后续应用的精度。高光谱影像噪声类型复杂多样,且噪声在不同波段上的强度也并不相同。通过引入光谱域上的权重矩阵,文中提出了一种基于光谱加权低秩矩阵分解的高光谱遥感影像混合噪声去除方法,利用光谱权重矩阵均衡不同波段的噪声强度差异性。为进一步将噪声与纯净影像分离,利用加权核范数最小化来约束纯净高光谱影像的局部低秩结构,并利用交替方向乘子法对所提出的模型进行优化求解。通过对模拟与真实高光谱遥感数据的实验,验证了所提方法的有效性与优越性。

融合多权重因素的低秩概率矩阵分解推荐模型

针对个性化推荐精度较低、对冷启动敏感等问题,该文提出一种融合多权重因素的低秩概率矩阵分解推荐模型MWFPMF。模型利用给定的社交网络构建信任网络,借助Page rank算法和信任传递机制求取用户间信任度;基于Page rank计算用户社会地位,利用活动评分和评分时间修正用户间关系权重;引入词频-逆文本频率技术(TF-IDF)求取用户标签,通过标签相似性表征用户间同质性;将用户间信任度、用户社会地位影响力和用户同质性3因素融入低秩概率矩阵分解中,从而使用户偏好和活动特征映射到同一低秩空间,实现用户-活动评分矩阵的分解,在正则化约束下,最终完成低秩特征矩阵对用户评分缺失的有效预测。利用豆瓣同城北京和Ciao数据集确定各模块的参数设置值。通过仿真对比实验可知,本推荐模型获得了较高的推荐精度,与其他5种传统推荐算法相比,平均绝对误差至少降低了6.58%,均方差误差至少降低了6.27%,与深度学习推进算法相比,推荐精度基本接近;在冷启动用户推荐上优势明显,与其他推荐算法相比,平均绝对误差至少降低了0.89%,均方差误差至少降低了3.01%。

联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测

针对低秩稀疏矩阵分解的高光谱异常目标检测算法忽略了图像的空间信息,导致检测精度低的问题,提出了一种联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测算法。算法综合利用了高光谱图像的光谱信号与空间信号,并与图像自身的稀疏性相结合,对经典的基于低秩稀疏矩阵分解的目标检测算法进行改进,该算法以待测像元为中心构建一定大小的空间窗,计算中心像元与邻域内其他像元的空间相似度权值和光谱相似度权值,通过计算邻域内其他像元对中心像元的比例权值得到了中心像元的重构光谱值并作差得到两者的残差矩阵;最后基于低秩稀疏矩阵分解的高光谱异常目标检测算法得到图像的稀疏矩阵,将代表异常目标信息的稀疏矩阵和残差矩阵相加并求解矩阵行向量之间的欧式距离得到像元的异常度,设置阈值,得到检测结果。为验证所提算法的检测性能,采用了真实的高光谱数据进行仿真实验,并与现有算法进行对比,结果表明该算法能够得到更高的检测精度。

基于低秩矩阵分解的运动目标检测

运动目标检测是视频监控任务的基础问题之一,针对灰度信息,目标检测存在的阴影识别能力差、检测精度低等问题,提出在HSV颜色空间下基于低秩矩阵分解的运动目标检测算法.首先将获取的RGB图像转为HSV颜色空间分量,分别对H、S、V通道构建低秩观测量,进行低秩矩阵优化分解,分离出不同颜色通道的前景和背景分量;组合H、S、V通道分量的前景图像,得到粗略的运动目标区域;再采用HSV颜色阴影去除去除前景图像中的阴影;最后经噪声去除和空洞的填充,检测得到准确的前景运动目标.实验验证表明,与其它方法相比,能够有效地提高运动目标检测的准确度.

基于低秩矩阵分解的批量扫描文档图像纠偏

扫描文档图像纠偏的关键是对图像偏转角度进行快速准确的估计。传统的基于图片自身纹理结构的算法,如Hough变换、Radon变换,不仅易受文档自身特殊结构或噪声影响,而且单幅图像纠偏的平均耗时较长。提出了一种基于低秩矩阵分解理论扫描文档图像的批量纠偏方法,该方法将批量图像构造成一个较大的矩阵,通过迭代对每一列进行适当地旋转,达到矩阵具有较低秩的目的,进而实现对每副图像偏转角度的恰当估计及纠偏。实验结果表明,该方法不仅具有较高纠偏的精度,而且单幅图片的平均耗时也小于现有的图片纠偏算法。