基于张量分解的互质阵MIMO雷达目标多参数估计方法

该文提出了一种基于双基地互质阵列(CPA)多输入多输出(MIMO)雷达的多目标波离方向角(DOD)、波达方向角(DOA)和多普勒频率估计算法。收发阵列各由两个满足互质结构的稀疏均匀子线阵组成。时域的快拍序列同样由两个互质的稀疏均匀采样构成。算法利用张量因子分解得到分别包含DOD,DOA和多普勒频率信息的3个流形矩阵,再从中构造出具有范德蒙德矩阵结构的虚拟流形矩阵。为了提高估计精度,还提出了一种基于特征值分解的误差抑制算法,并通过旋转不变子空间算法(ESPRIT)求取各目标的3个待估参数。与传统算法相比,该算法通过构造均匀虚拟阵列和虚拟快拍提高参数估计性能,且不会产生模糊,避免了谱峰搜索和额外的配对过程。仿真实验验证了该算法有效性。

纹理引导的稀疏张量表示及在肺CT图像中的应用

基于张量理论在高维图像处理中的应用,提出一种张量模式的稀疏表示方法,以便有效地去除肺部CT序列图像的噪声,增强图像的有用信息。首先,设计了张量模式的正交匹配追踪法(TOMP)来表达稀疏系数;构建了高维K-奇异值分解法(HOK-SVD)用于字典更新。然后,对张量乘法的参数进行优化,即通过构造三维灰度共生矩阵,建立三维纹理特征与张量乘法模式之间的数学模型。最后,将这种方法应用于LIDC数据库的150组CT序列图像的预处理,对各算法的稀疏表示效果进行评价。与当前应用的其他方法相比,本文提出的高维K-SVD算法的的峰值信噪比提高了1.5%,平均误差降低了1.2%;在此预处理基础上进行的图像分割结果表明:图像的边缘偏移误差下降了3.0%,体积重叠率提高了1.2%。上述结果显示基于张量的方法可以更精确地完成对三维CT图像序列的稀疏表示。

结合GLCM与三阶张量建模的在线目标跟踪

为提高目标跟踪算法对多种目标表观变化场景的自适应能力和跟踪精度,论文提出一种结合灰度共生(GLCM)与三阶张量建模的目标优化跟踪算法。该算法首先提取目标区域的灰度信息,通过GLCM的高区分度特征对目标进行二元超分描述,并结合三阶张量理论融合目标区域的多视图信息,建立起目标的三阶张量表观模型。然后利用线性空间理论对表观模型进行双线性展开,通过在线模型特征值描述与双线性空间的增量特征更新,明显降低模型更新时的运算量。跟踪环节,建立二级联合跟踪机制,结合当前时刻信息通过在线权重估计构建动态观测模型,以真实目标视图为基准建立静态观测模型对跟踪估计动态调整,以避免误差累积出现跟踪漂移,最终实现对目标的稳定跟踪。通过与典型算法进行多场景试验对比,表明该算法能够有效应对多种复杂场景下的运动目标跟踪,平均跟踪误差均小于9像素。

正装结构非线性应力应变累加规律研究

基于有限位移理论的正装结构非线性分析理论对解决超大跨度、柔性结构的非线性计算有重大意义。文中探讨了正装结构非线性的分析特点,研究了其应变场与应力场的Kirchhoff应力张量与Lagrange应变张量的适用性,提出了正装结构非线性分析中应力场与应变场的累加规律,导出了拖动坐标法的虚功增量方程,以此对杆系结构非线性分析常用的CR法和UL列式进行了精度比较分析。文中研究成果可为正装结构的非线性分析提供理论指导。

超塑胀形中力学量在平面系的向量表示

在超塑性变形力学的研究历史中，Ｔ．Ｃ．Ｈｓｕ等人的工作有重要的理论价值，遗憾的是长期以来在超塑性力学理论的研究中并未受到足够的重视。他们工作的要点是揭示了应力偏张量、应变张量和应变速率张量可在平面三角坐标系用３个向量表示，这对于超塑性解析力学的研究工作非常重要。对Ｔ．Ｃ．Ｈｓｕ等人［１～５］的工作进行概括的论述，旨在为超塑胀形定量力学解析理论的深入研究提供必要的理论基础。

基于灰度共生的多线索目标联合优化跟踪

为了提高跟踪算法对多种目标表观变化场景的自适应能力与跟踪精度,提出一种基于灰度共生的多线索目标联合优化跟踪算法。该算法首先提取目标灰度信息,通过灰度共生的高区分度特征对目标进行二元超分描述,结合三阶张量理论融合目标区域的多视图信息,建立起目标的三维在线表观模型,然后利用线性空间理论对表观模型进行双线性展开,通过双线性空间的增量学习更新,降低模型更新时的运算量。通过二级联合跟踪机制对跟踪估计进行动态调整,以避免误差累积出现跟踪漂移。与典型算法进行多场景试验对比,表明该算法能有效地应对多种复杂场景下的运动目标跟踪。

一种基于域名请求伴随关系的恶意域名检测方法

恶意域名在网络非法攻击活动中承担重要的角色.恶意域名检测能够有效地减少攻击活动所带来的经济损失.提出CoDetector恶意域名检测模型,通过挖掘域名请求之间潜在的时空伴随关系进行恶意域名检测.研究发现域名请求之间存在彼此伴随关系,而并非相互独立.因此,彼此伴随的域名之间存在紧密关联,偏向于同时是正常域名或恶意域名.1)利用域名请求的先后时间顺序对域名数据进行粗粒度的聚类操作,将彼此伴随出现的域名划分到同一簇中;2)采用嵌入学习构建映射函数,在保留域名伴随关系的同时将每一个域名投影成低维空间的特性向量;3)结合有标记的数据,训练恶意域名检测分类器,用于检测更多未知恶意域名.实验结果表明,CoDetector能够有效地检测恶意域名,具有91.64%检测精度和96.04%召回率.

基于张量的互质面阵信号处理方法

针对由2个稀疏均匀矩形阵列(URA)构成的互质面阵(CPPA),提出了一种基于张量代数的阵列信号处理方法,以提高阵列自由度。首先,对CPPA中的2个URA进行拆分,将这2个URA的接收信号表示成2个张量;然后将其互相关结果处理成一个虚拟阵列的接收信号张量。分析表明,所提方法可将一个具有2L2-1个物理阵元的CPPA转换成一个具有(L+1)^4/16个阵元的虚拟稀疏非均匀面阵。针对该虚拟面阵,给出了利用张量分解从其接收信号张量中估计入射信号二维波达角的方法,以避免二维谱峰搜索。与文献报道的互质面阵信号处理方法相比,所提方法将阵列自由度从L^2提升至[(L+1)^4/16]+1,并具有更好的信号波达角估计性能及较低的计算复杂度,仿真结果证明了所提方法的有效性。

一种基于层选择的弥散张量优化算法

为了从带伪影的弥散加权数据中重建更准确的张量,提出了一种基于层选择的张量优化算法.首先对弥散加权图像中常见的3种伪影(波状、层间运动和对比度伪影)进行定性分析,分别提取3种对应的特征(小波标记、相似度和相关性)来识别这些伪影,从而区分出正常图层和伪影图层.然后,利用正常图层数据进行张量重建.模拟实验结果验证了这3种特征对弥散加权图像中相关伪影判断的有效性,且对波状伪影和层间运动伪影的判断率均大于90%.真实数据实验结果表明,与类似算法相比,所提算法可以更好地改善部分各向异性伪彩图中的偏色现象,在白质结构分析中提供了更准确的方向信息.

多核学习纹理特征的无参考图像质量评价

由于多种失真类型灰度-共生矩阵特征的不规则性,单核方法无法取得理想结果,从而提出了一种基于多核学习,针对多种失真类型的无参考图像质量评价方法。首先对灰度图像进行相位一致和结构张量变换,得到相位一致图和结构张量图,然后分别对它们提取灰度-梯度共生矩阵二次统计特征,最后将提取的特征输入到高效的分层多核学习机进行训练学习,预测得到图像的质量评分。多图像库多次随机实验结果表明,新方法结果与主观评价值有较好的一致性,并具有较好的推广性。

反射(余)代数的一个应用

文章将反射(余)代数应用至卷积代数中,证明了卷积代数在一定条件下同构于余代数张量积的对偶代数,这对研究Hopf代数与antipode是很有帮助的。

基于改进张量分解模型的个性化推荐算法研究

【目的】在基于张量分解的个性化推荐中,解决因UGC标签冗余、热门标签和资源影响用户个性化兴趣所导致的推荐准确性降低问题。【方法】提出一种改进的基于张量分解模型的个性化推荐算法,引入标签综合共现结合谱聚类的方法,借鉴TF-IDF中IDF的思想提出一种基于共现标签和资源的热门惩罚机制,对基于<用户,标签簇,资源>三元关系的初始张量进行重新定义。【结果】基于Last.fm数据集的仿真实验结果表明,从准确率、召回率和F1值各项指标上,本文提出的算法均有良好表现,综合共现谱聚类的引入使得推荐算法在F1值上平均提升5.91%,基于IDF改进初始张量后的推荐算法在F1值上平均提升1.29%。【局限】未针对其他领域的数据集进行验证,如微博、Delicious等。【结论】基于改进的张量分解模型的个性化推荐算法能够显著提高准确性,有利于社交网络环境下提供更令用户满意的资源。

余模范畴上的强等价(英)

证明了h（－，M）函数保持右正合及有限直和，-□cM（cM拟有限）保持拟有限和有限维性；推出了联系余-hom和余张量函数的一个同构．给出了强等价新的定义，并得到范畴Mct和MD强等价当且仅当cM和DM强等价．令F：c*M→D*M是一等价，则当F(Mc)MD时，F|Mc强等价．这改进了林的结果．作为应用，证明了若F同上且D是自反的，则F|Mc是一强等价，且C是上自反的．

基于DTI的急性CO中毒患者的灰质核团结构损伤研究

目的应用扩散张量成像(DTI)观察急性CO中毒患者脑灰质核团的结构损伤改变,使用影像技术量化大脑深部灰质损害程度,研究其损伤特点以及与记忆认知能力受损的相关性。方法对25例急性CO中毒患者和25名性别、年龄相匹配的健康志愿者进行头部常规MRI及DTI检查,以双侧海马、尾状核、丘脑、杏仁核、苍白球、壳核作为感兴趣区,测量急性CO中毒患者大脑深部灰质核团的平均扩散系数(MD)、各向异性分数(FA)、表观扩散系数(ADC)变化并进行两独立样本t检验统计。选取异常海马区DTI参数与CO中毒所致的认知功能障碍临床量表评分进行Pearson相关性分析。结果与健康对照组对比,急性CO中毒患者组双侧苍白球(t=-2.876,P<0.05)、海马(t=-2.267,P<0.05)、尾状核(t=-2.410,P<0.05)、壳核(t=-2.375,P<0.05)FA值降低,杏仁核、丘脑FA值变化无统计学意义(P>0.05);海马、苍白球、壳核MD值和ADC值升高(P<0.05),尾状核、丘脑及杏仁核MD、ADC值变化无统计学意义(P>0.05)。海马区FA值与MMSE、MoCA评分呈一定正相关,MD、ADC值与MMSE、MoCA评分呈一定负相关(P<0.05)。结论DTI可以敏感反映急性CO中毒导致脑内灰质核团隐匿微细结构损害,可以一定程度早期量化脑损伤程度,可能与认知功能损伤有关。

基于张量子空间的互质频偏FDS-MIMO雷达多目标三维定位方法

利用频控阵实现目标定位成为雷达领域一个新的研究热点.针对频控阵雷达存在距离模糊和定位精度不高的问题,本文基于提出的二维频率分集子孔径频控阵MIMO (frequency diverse subaperturing MIMO, FDS-MIMO)雷达,深入研究了目标三维定位方法.首先利用匹配滤波数据内在的多维结构,建立了5阶张量信号模型.针对该信号模型下的距离模糊问题,提出了一种在面阵两方向采用互质频偏的方案,该方案能够解决波束域最大无模糊距离和距离分辨率的矛盾.基于这种频偏结构,本文提出了基于张量的ESPRIT及其实值化算法,并根据传统子空间和张量子空间的定量关系,对该体制下的ESPRIT类算法进行了统一.与已有的ESPRIT算法和频偏方式相比,所提算法充分利用了回波数据内在的多维结构,在解决距离模糊的同时具有更高的定位精度.理论分析和仿真实验结果验证了本文方法的有效性.

Module-relative-Hochschild （co）homology of tensor products

In this paper, we consider the module-relative-Hochschild homology and cohomology of tensor products of algebras and relate them to those of the factor algebras. Moreover, we show that the tensor product is formally smooth if and only if one of its factor algebras is formally smooth and the other is separable,

词共现频次变化视角下的动态主题识别研究

[目的/意义]主题识别研究对于理清领域内的知识结构与研究热点非常重要,对领域主题进行动态识别,可以很好地帮助研究人员了解和掌握领域的发展态势及未来走向。[方法/过程]利用张量的数据结构形式,在词共现矩阵中融入时间维度,只需一次聚类便可进行动态主题的识别。[结果/结论]张量结构及非负张量分解算法为词共现频次变化视角下的动态主题识别提供一种新的方法,该方法相较于传统方法更为简单快捷,有效避免了信息的损失。