二值分解压缩和Consensus算法

奇异值分解(SVD)是一种流行的用于高维数据压缩的方法,二值分解是奇异值分解的一种简化形式。实现二值分解的主要算法有两种:迭代启发式算法和贪婪算法。但这两种算法都不是很理想的算法:迭代启发式算法在很多情况下不能保证收敛性,贪婪算法不满足大型数值矩阵分解的需要。采用了一种新的算法来实现二值分解:Consensus的算法。Consensus算法可在渐进多项式时间内找到一般图中的极大二分团。对于某些二分图,该算法的复杂度是多项式时间的。实验结果表明,当迭代启发式算法不起作用时,Consensus算法是一种很好的求解二值分解的方法。该算法远比贪婪算法的效率高,且具有稳定收敛性。

基于二次奇异值分解和最小二乘支持向量机的轴承故障诊断方法

为了解决奇异值分解(SVD)对不同信号分解的有效奇异值个数不同,而影响故障识别准确性的难题,提出了基于二次SVD和最小二乘支持向量机(LS-SVM)的故障诊断方法。该方法利用奇异值曲率谱自适应选择有效奇异值重构信号,进行二次SVD处理,获得相同个数的正交分量,求解其能量熵,并构造故障特征向量,用于LS-SVM分类模型故障识别。将该方法应用于轴承故障诊断,与利用特定个数的主奇异值作为特征向量的方法相比,准确度提高了13.34%,表明了该方法的可行性和有效性。

基于二次奇异值分解和VPMCD的故障诊断方法

奇异值分解(SVD)在信号分析时需限定主特征值的数量,影响了故障识别的准确性。为此,提出一种新的故障诊断方法。利用奇异值曲率谱自适应选择有效的奇异值进行信号重构,对重构信号实现二次SVD处理,产生相同数量的正交分量,然后求解各正交分量的能量矩,构造特征向量,并采用变量预测模型的分类识别方法分析特征向量,从而建立故障识别模型。将该方法应用于实际轴承的故障诊断,实验结果表明,轴承在正常和故障状态下,该方法的综合识别精度达到97.5%,高于常规基于SVD和支持向量机的方法 8.75%。

二维截断奇异值分解方法在图像恢复中的应用

研究了二维截断奇异值分解(2-DTSVD)在大规模图像恢复中的应用,起到了正则化的作用,克服了问题固有的不适定性,同时也解决了由于存储有限带来的问题。实验结果表明,该方法恢复效果显著。

二值矩阵分解的认知建模方法研究

根据考试反馈数据,提出新颖的逻辑斯提克二值矩阵分解方法,来预测未来的学生考试成绩并自动对考题进行模式分类,同时设计新的算法对建模中遇到的非凸优化问题进行求解。在模拟数据和真实的美国SAT考试数据上进行的实验发现,新方法不仅可以准确地预测学生的考试表现,而且能够将考题按照知识点进行自动模式分类。实验结果表明,新的方法相比经典方法在结果的可解释性和估计精度方面有明显的提升。

解析动态光谱的奇异值分解最小二乘法的改进

本文改进了处理动态光谱的奇异值分解最小二乘法 (SVDLS)。通过对模拟的蛋白质二级结构的动态圆二色谱和小牛胸腺 DNA在电化学过程中动态紫外光谱的分析 ,表明该方法不仅给出动态过程中所包含的组分数 ,而且可同时获得各组分的光谱和各组分分数的分布曲线 。

奇异值分解最小二乘法解析平衡态光谱数据

目的 以化学计量学为基础，建立一种用于解析平衡态红外光谱数据 的奇异值分解最小二乘法。方法以数值模拟方法构造二组分酸碱平衡体系及其 光谱数据，在 ＭＡＴＬＡＢ环境下实现奇异值分解最小二乘法并对数据进行分析。结 果该方法既可以获得引起红外光谱变化的组分数及其光谱，又能给出各组分数 随时间的变化，与酸碱平衡原理相结合，获得模拟物质的酸碱平衡常数为ｐＫａ＝ ６．１５。结论 奇异值分解最小二乘法是处理平衡态红外光谱的有效工具。

基于改进对称二值非负矩阵分解的重叠社区发现方法

针对复杂网络社区结构具有重叠性的问题,目前已提出许多不同类型的解决方法,其中基于对称二值非负矩阵分解(SBNMF)的重叠社区发现方法是具有代表性的方法。然而,SBNMF在面对社区内部链接稀疏的网络时,其重叠社区发现性能低下,为此提出一种基于改进SBNMF(ISBNMF)的重叠社区发现方法。首先利用对称非负矩阵分解得到的因子矩阵构建社区内部链接稠密的新网络,然后再使用基于Frobenius范数的SBNMF模型对新网络的邻接矩阵进行分解,最后通过网格搜索法或梯度下降法得到可以显式指示节点的社区隶属关系的二值矩阵。在人工合成的和真实的网络数据集上进行大量实验,结果表明ISBNMF的社区发现性能优于SBNMF和其他代表性方法。

基于2dSVD和高斯混合模型的多变量时间序列聚类

针对多变量时间序列(MTS)存在时间和变量两个维度,以及传统主成分分析(PCA)方法在MTS数据表示上的局限性,提出一种基于二维奇异值分解(2dSVD)和高斯混合模型(GMM)的MTS聚类算法。该文计算MTS的行-行和列-列协方差矩阵的特征向量,从时间和变量两个维度提取特征矩阵;用GMM从概率分布角度对特征矩阵进行聚类。数值实验结果表明,该方法对多变量时间序列具有更好的聚类效果。

信号相位匹配原理的正弦信号参数总体最小二乘估计方法

利用信号相位匹配原理进行正弦信号最小二乘估计可提高低信噪比时的估计精度,在此基础上进行改进,应用总体最小二乘方法对正弦信号进行参数估计,能进一步提高精度.利用信号增强技术对观测序列进行预处理,能改善估计效果.仿真实验表明,本文方法性能优于最小二乘方法.

基于位平面特征的SAR图像筛选

为了获取含有感兴趣特定目标的SAR图像,根据SAR图像目标的成像特性,提出了一种基于位平面特征的SAR图像筛选方法。在对图像适当的灰度预处理基础上,分析特定目标的先验知识,利用对位平面的复杂度度量、游程度量以及频谱度量,定义了位平面价值度量准则,同时结合图像的灰度直方图特征对图像进行筛选。实验以机场目标为对象对SAR图像进行快速筛选,并对机场目标进行提取,效果良好,能够满足预期的要求。

一种改进的全景图自动拼接算法

提出了一种带有图像自动排序功能的全景图全自动拼接算法。首先利用相位相关法对输入图像进行排序,同时估算角点匹配区域以加快角点匹配速度,提高匹配稳健性;然后使用RANSAC算法去除外点,采用奇异值分解法配合LM非线性优化方法求解变换参数,提高配准精度;最后使用多频带融合算法进行图像混合以改善线性加权融合算法带来的高频细节模糊;算法中还设有检测机制以确保LM优化顺利进行。与现有算法相比,对于图像重叠区域较小、图像中含有运动物体、重复性纹理等较难自动拼接的情况,使用该算法可以有效提高拼接成功率,缩短总体拼接时间,而且合成的图像清晰度较高。实验结果表明该算法具有较好的实用价值。

基于2DSVD特征提取的工业设备故障诊断

工业设备数据通常具有“多变量+时序”的复杂二维特性,而在当前工业设备故障诊断领域,主流的特征提取方法只提取了一维特征。针对特征提取不充分的问题,提出一种基于2DSVD特征提取的工业设备故障诊断方法,该方法首先使用故障诊断训练样本集构造行-行以及列-列的协方差矩阵,然后通过协方差矩阵的特征向量提取样本特征,最后结合KNN算法对特征集合进行分类,实现故障诊断。使用2DSVD方法提取的特征矩阵不仅行数及列数比原故障诊断样本低,而且充分考虑了样本的二维特性。同时,构建了基于2DSVD+KNN的故障诊断模型,并利用自动洗车机实验数据与传统的只基于1维特征提取的方法以及无特征提取的方法进行对比实验,实验结果表明基于2DSVD特征提取方法的故障诊断准确率有明显的提高。

混凝土构件空洞模拟检测试验与ARMA功率谱分析

及时发现空洞隐患、确定空洞大小,准确评估不良病害的危害程度对指导施工和提高混凝土结构质量具有重要意义。为实现空洞尺寸的量化,对试验模型中的模拟空洞进行地质雷达检测,应用基于SVD-TLS方法的AR-MA功率谱分析对原始数据进行处理。结果表明:地质雷达探测区域覆盖的空洞范围越大,空洞信号越明显。基于SVD-TLS方法的ARMA功率谱分析具有较高的分辨率,可以识别异常反射信息,判断空洞在测线方向的范围;功率谱参数期望值有一定的分布范围,当参数期望值在-0.160以下时,可以基本确定为空洞区域。最后结合工程实例,对地质雷达数据进行功率谱分析,取得了良好的效果。该分析方法为研究混凝土构件内部空洞的检测提供了新途径,一定程度上实现了空洞尺寸的量化。

面向WTAs的VHR双臂避碰操控算法

针对虚拟仿人机器人(VHR)处理工作空间多目标区域(WTAs)避碰操控问题,先基于齐次变换矩阵和链式相乘法则,建立了VHR双臂机理正向运动学模型,进而推导了两种求解VHR双臂逆运动学的公式(DLS-SVD法和基于链式解耦的解析法);其次,建立了WTAs的数学模型,并以WTAs位姿为操控目标,提出了融合正向和逆向运动学及其双向快速搜索随机树算法的VHR双臂避碰操控算法;最后,通过三维仿真建立VHR虚拟样机,验证了提出算法的正确性和有效性。

OPTIMIZATION WITH QUADRATIC CONSTRAINT IN APPLICATION OF STRUCTURE DYNAMIC MODEL UPDATING

A model updating optimization algorithm under quadratic constraints is applied to structure dynamic model updating. The updating problems of structure models are turned into the optimization with a quadratic constraint. Numerical method is presented by using singular value decomposition and an example is given. Compared with the other method, the method is efficient and feasible.

基于SVD-TLS算法的非预测欧拉反褶积

针对地下有多个异常源时,单一预测构造指数难于表征多个异常源。采用非预测欧拉反褶积以避免可能错误确定构造指数使得欧拉解过度发散的问题;同时针对欧拉反褶积超定方程组的条件数很大,致使欧拉反褶积解集中良解占优率低等解的非唯一性和解的不稳定性等局限性,采用奇异值分解总体最小二乘法(SVD-TLS算法),以降低由于奇异值分析不当造成计算欧拉解非唯一性和解的不稳定性的问题,并利用SVD-TLS的截断误差构造阈值函数对解集进行过滤。数值结果表明了算法的有效性和可靠性。

一种基于LS/SVD的基带预失真算法

自适应基带预失真技术是用于补偿高功率放大器非线性失真的一种有效技术。早期对预失真的研究大多局限于无记忆非线性,但对于OFDM等宽带应用,放大器的记忆效应明显。介绍了一种基于最小二乘奇异值分解(LS/SVD)的自适应算法来实现有记忆非线性功放的自适应基带预失真。仿真结果表明,该方案用于正交频分复用(OFDM)系统中能有效抑制带外频谱扩散,减小带内失真,实现有记忆非线性功率放大器的自适应预失真。

一种基于压缩域的视频拼接算法

提出了一种基于压缩域的双摄像机视频拼接算法。首先利用相位相关法估算输入视频的对应第一帧重叠区域,并在重叠区域进行SIFT角点检测和匹配,加快角点匹配速度,提高匹配稳健性,使用RANSAC算法去除外点,采用奇异值分解法配合LM非线性优化方法求解变换参数,得到首帧的对应投影矩阵;对于非首帧的配准,利用压缩视频中的当前帧与前帧的运动矢量,获得全局运动矢量,然后结合对应前帧的投影矩阵,获得相应的当前帧的投影矩阵;最后使用多频带融合算法进行图像混合以改善线性加权融合算法带来的高频细节模糊。与传统算法相比,由于省去了特征提取和匹配方法,从而减少了大量的计算步骤和时间,提高了速度,增加了实用性。实验结果表明该算法具有较好的实用价值。

结合SVD_TLS及EKF算法的动态自组织模糊神经网络在动态系统中的应用

针对如何优化模糊神经网络的规则及如何合理地调整非线性参数及线性参数等问题,提出了将奇异值分解_总体最小二乘法(SVD_TLS)及扩展卡尔曼滤波(EKF)相结合的动态自组织模糊神经网络(STD_DSFNN)。首先给出了STD_DSFNN的结构及各层的含义;其次,用EKF算法学习非线性参数,SVD_TLS算法学习线性参数的同时提取重要模糊规则;最后,通过典型的Machey-Glass时间序列预测实例验证SVD_TLS及EKF相结合的动态自组织模糊神经网络(STE_DSFNN),同时与DFNN、ANFIS及UKF_DFNN相对比,结果表明STE_DSFNN网络结构更紧凑,具有更好的泛化能力。