基于傅里叶变换与近端采样的序列推荐算法

传统推荐算法比较注重于模型本身对于推荐效果的提升,实际上数据质量对于算法的影响更为重要,但目前在推荐算法领域对于数据的科学处理方法比较零散,没有形成一个系统的框架。针对以上问题,基于傅里叶变换与近端序列采样的数据预处理,结合SASRec提出可以普遍应用的序列推荐框架FTRRec。首先通过傅里叶变换将序列数据在时域和频域中相互转换,并根据序列数据的特点,过滤序列中的无用信息,其次使用近端序列采样替换传统的滑动窗口采样法,加速样本采样的同时,提升模型对于序列的特征捕获能力。通过在5个公开数据集上的实验,将框架应用于三个不同的主流推荐算法时,每种模型均有3%-5%的提升。

基于傅里叶变换近红外和支持向量机的霉变玉米检测

利用傅里叶变换近红外光谱对霉变玉米进行检测。运用波数范围在12 000～4 000 cm^-1的FTNIR系统进行不同霉变程度样品光谱信息的采集,并利用支持向量机（Support Vector Machine,SVM）进行数据分析。结果显示,利用原光谱数据,以主成分分析（PCA）提取的前5个主成分作为输入,选用径向基函数（RBF）作为SVM核函数,并运用网格划分寻优法寻得的最优参数C、γ,所建立的分类模型最佳。SVM分类模型对训练集和测试集的预测准确率分别达到93.3%和91.7%,对独立样品集的预测准确率达到87.8%,表明基于FT-NIR和SVM进行霉变玉米的检测是可行的。

基于离散傅里叶变换的过程工业报警泛滥序列聚类分析及应用

报警泛滥是过程工业报警管理中普遍存在且难以解决的问题。报警泛滥序列聚类分析有助于报警根源分析和预警。针对目前报警泛滥序列相似度测量方法存在的缺陷,如对报警序列长度限制、计算复杂、依赖参数,采用基于离散傅里叶变换的方法在频域对报警泛滥序列进行相似性分析,提出了离散傅里叶功率谱的欧氏距离作为度量报警泛滥序列相似度距离的方法,计算不同报警泛滥的相似度距离,再通过非加权组平均法获得报警泛滥序列的聚类树状图,根据相似度距离,确定报警泛滥的模式,帮助操作员确定异常根源,做出快速响应。TE仿真过程在不同干扰下的应用实例验证了该方法的有效性、准确性。

基于混沌序列和分数傅里叶变换的图像加密技术

采用混沌序列的特性和分数阶傅里叶变换,实现图像双重加密。由密钥生成实数值混沌序列,对数字图像进行空域置乱,然后进行分数傅里叶变换,实现图像的双重加密,只有同时清楚混沌序列和分数阶傅里叶变换阶数才可能对加密图像进行有效解密。计算机模拟表明该方法是有效的,具有很好的加密效果。

使用融合乘加加速快速傅里叶变换计算的向量化方法

融合乘加指令加速快速傅里叶变换计算的向量化方法,通过变换快速傅里叶变换的蝶形单元运算流程,将传统计算方式中独立的乘法和加法操作组合成次数更少的融合乘加操作,使得时间抽取法基2快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的10次乘(加)操作减少到6次融合乘加操作,时间抽取法基4快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的34次乘(加)操作减少到24次融合乘加操作;优化了蝶形因子的向量访问,减少存储开销。实验结果表明,提出的方法能够显著加速快速傅里叶变换的计算,取得高效的计算性能和效率。

实数序列快速傅里叶变换的一种新算法

本文提出一种实数序列的快速傅里叶交换算法。该算法具有如下特点:(1)利用实数序列的频谱可以由其奇、偶子序列的频谱构成的性质分组递推,形成了基2的FFT递推算法;(2)注意到实效序列频谱的复共轭对称性,每个子序列的频谱值只需计算一半,即可省去一半计算量;(3)利用加权函数W^i~N的周期性和共轭对称性,进一步减少了计算量;(4)对所用到的三角函数值进行递推计算,减少了因多次调用基本外部函数所花费的时间。

频域抽取多维向量基快速傅里叶变换

给出了频域抽取(DIF)多维向量基快速傅里叶变换(FFT)算法。对多维频域信号的每一维,采用向量基2频域抽取法,导出了快速算法蝶形运算的一般形式。该FFT算法适合于维数为任意整数的情况,当维数为1时,算法退化为著名的频域抽取向量基2FFT算法。为了便于编程实现,以频域抽取3维向量基FFT算法为例,给出了快速算法实现流程,该流程易于向任意整数维推广。计算量比较结果显示,频域抽取多维向量基FFT算法比多维分离式FFT算法计算量低。

离散傅里叶变换在序列线性复杂度快速算法中的应用

利用广义离散傅里叶变换对GF(2 )上周期为n2 v(gcd(n ,2 ) =1) 序列进行了研究 ,给出了求其周期为n2 v 序列线性复杂度的快速算法 。

实序列的离散傅里叶变换方法选择与应用

在综述介绍了复序列和实序列的离散傅里叶变换（ＤＦＴ）的各种算法的基础上，着重分析了实序列的ＤＦＴ的各种常见算法的特点，以及如何在实际应用中选择合适的算法，并将该方法应用于软件开发，取得了良好的效果。

傅里叶变换和支持向量机的云计算资源分配策略

针对当前云计算资源调算法的资源利用率低,资源变化预测精度低的缺陷,提出了傅里叶变换和支持向量机的云计算资源分配算法。根据云服务资源需求的变化特点。将其划分为周期性和非周期性两类服务,采用博里叶变换分析服务资源需求的周期性,并采用支持向量机预测非周期性的服务资源需求,根据预测结果实现虚拟机的资源分配,并通过对比实验测试可行性和优越性。结果表明,算法提高了虚拟机资源的利用率,避免了出现违反SLA的现象,而且性能要优于对比算法。

因果序列及反因果序列傅里叶变换与Z变换之间的关系

研究序列的傅里叶变换与Z变换之间的对应关系,解决序列的傅里叶变换与Z变换的相互表出问题。

周期性序列的傅里叶变换求解法

对周期性序列傅里叶变换的三种求解方法进行了分析和讨论。目前大多数教材中都是采用通过直接给出变换的结果,再代入反变换的公式中求证的方法,从教学效果看,这种方法比较抽象,使学生难以理解。本文提出的根据离散时间傅里叶变换(DTFT)和傅里叶变换(FT)的关系以及利用周期序列的离散傅里叶级数(DFS)的求解方法可以使求解过程简化,易于被学生掌握。

抽样信号的傅里叶变换与序列的傅里叶变换探讨

对抽样信号的傅里叶变换与序列的傅里叶变换二者之间的关系进行了探讨。

小波和傅里叶变换在坐标时间序列分析中的应用

正确提取坐标时间序列中的特征信息是非线性变化分析的前提.根据傅里叶变换和小波变换各自的特点,提出将两种方法结合起来对时间序列在时域和频域上进行分析的算法.首先采用小波函数db4对坐标时间序列分解5层得到高频和低频部分,进而分析各次谐波的时域波形以及可能存在的突变信息和区间,再在快速傅里叶变换的基础上求得各次谐波的准确频率和幅值.研究结果表明,低频分析可以直观地得到“周年项”和“两年周期项”,而高频分析能够较准确提取“半周年项”、“一季项”等短周期.与单独采用傅里叶变换或小波变换相比,基于小波变换与傅里叶变换相结合的方法能够有效地提取坐标时间序列中的特征信息,具有较高的研究价值.

基于快速傅里叶变换与小波变换的GNSS坐标时序时空演化特征分析

中国位于欧亚板块东南部,处于印度板块、太平洋板块和菲律宾海板块的挤压夹持之中,分布有广泛且复杂的地质构造,成为了地壳运动较强且较为复杂的地区.GNSS连续观测是获得地壳运动信息的重要来源,从GNSS坐标时序提取周期及趋势项可为分析区域地壳运动提供研究基础.本文综合利用快速傅里叶变换与小波变换方法开展中国大陆地区GNSS坐标时序时空演化特征分析.首先采用对GNSS坐标时序进行预处理和降噪处理,然后利用快速傅里叶变换方法在频域上对分区GNSS站点坐标时序进行周期提取,最后依据GNSS测站周期,利用小波变换方法进行分解与重构,获得高频周期项结果和低频趋势项结果,并开展相关分析.研究发现:①在1年以内的时间尺度上,除东北区域以外,各方向上的周期均以1年周期为主,半年周期次之,季节周期较弱;②各站点在N、E、U 3个方向上各年的一年、半年周期的周期长度均存在一定的伸长或收缩,不同区域的不同站点随时间呈现出的周期强度变化存在一定差异;③在研究时段内,中国大陆地区在水平方向上的地壳运动趋势为:中国西部呈现向东北偏移的趋势,其余区域呈现向东南偏移的趋势,且向东偏移的趋势略强于向南、北方向偏移的趋势.在垂直方向上,不同区域不同站点的运动趋势较为复杂.

基于GA-LSSVM和近红外傅里叶变换的霉变板栗识别

为克服板栗近红外光谱变量多、共线性强等缺点,该文对标准正态变量变换预处理后的板栗近红外光谱进行傅里叶变换,并用不同方法建模,提高识别精度。采用试探法提取近红外光谱傅里叶系数,建立了基于最小二乘支持向量机分类器的霉变板栗识别模型。当提取前35点傅里叶系数时,板栗的平均识别正确率为93.56%;构造GA-LSSVM算法,建立的霉变板栗识别模型所用傅里叶系数减少为13点,对测试集中合格板栗、表面霉变板栗和内部霉变板栗的平均识别正确率分别为95.89%、100%和98.25%,板栗的总体平均识别正确率提高到97.54%。为霉变板栗的识别提供了快速鉴别分析方法。

水平衰减全反射傅里叶变换红外光谱法结合化学计量学鉴别问荆与节节草

采用水平衰减全反射傅里叶变换红外光谱法(HATR-FT-IR)测定中药问荆和同科植物节节草的FT-IR谱,运用连续小波变换(CWT)多分辨率分析法对吸收较为相似的问荆及节节草的FT-IR进行特征提取。选择第8、9、10分解层数下的特征值作为分析的基础,采用FT-IR-CWT-SVM法建立了问荆和节节草识别的模型。通过学习训练,对120个预测样品的识别准确率为90%以上。当采用径向基函数作为核函数时,识别准确率达100%。样品的FT-IR经小波特征提取后的特征值有所差异,采用SVM进行识别可以很好地把两者分类。通过对样品的FT-IR小波变换后所得特征值进行SVM的分类,能够有效地进行区别鉴定形态较为相似的同科植物问荆及节节草。

小波分析与傅里叶变换相结合在探测周期性变形中的应用

变形观测时间序列既含有趋势性成分 ,又含有周期性成分时 ,对趋势性分量用多项式进行拟合 ,再对剩余残差是否含有周期性成分进行分析 ,选用拟合趋势性分量的多项式形式受主观性影响 ;引入小波变换 ,将变形序列分解为趋势性平滑分量和细节分量两部分 ,然后傅里叶变换对细节分量是否含有周期性分量进行分析 ,研究实例表明应用效果良好。

基于傅里叶变换近红外光谱技术的普洱茶聚类分析

目前在普洱茶生产过程中的质量控制一环,以质量检验人员的经验为基础的感官品评仍然占据主导地位,其主观性强、准确性和重现性较差的缺点逐渐暴露出来。针对这一难题,傅里叶变换近红外光谱技术结合适当的谱图预处理方法和聚类分析算法,实现了对多种普洱茶样品聚类与定性分析,模型判别准确率能达到90%以上,稳定性与重现性极高。该方法被证明在普洱茶的品质分析与质量控制方面具有较大的应用价值和乐观的应用前景。

基于分数傅里叶变换的盲数字水印算法

将含有版权信息的二值图像作为水印,利用混沌密码对其进行加密,对原始图像进行一定阶次的分数傅里叶变换。通过密钥和水印图像之间的对应关系,将水印信息嵌入到原始图像的中频系数中,分数傅里叶逆变换得到嵌入了水印的图像。仿真实验结果表明,实现的水印具有不可见性,而且对于常见的噪声、裁剪、JPEG压缩具有较好的健壮性。