基于量子奇异值估计的岭回归算法

作为一种有监督学习算法,岭回归算法有着十分广泛的使用。本工作将量子奇异值估计与经典岭回归算法相结合,提出了一种量子岭回归算法。该算法利用量子计算的并行特性,实现了对岭回归拟合参数的求解以及预测值的获取。复杂度分析表明,所提算法有效解决了数据矩阵为非厄米矩阵时需要进行矩阵拓展或者矩阵运算的问题,与经典算法相比在运行时间上具有指数级加速。此外,本工作还给出了所提算法的量子电路图并对其关键步骤进行了仿真实验,实验结果验证了所提算法的有效性和可行性。

乘积矩阵的奇异值估计

本文给出了m 个矩阵乘积的奇异值估计:m ax∑mj= 1i(j)= (m- 1)n+ i∏mj= 1σ(j)i(j) ≤σi ≤ m in∑mj= 1i(j)= i+ m - 1∏mj= 1σ(j)i(j), 1 ≤i≤n同时给出了∑ki= 1 σi,∏ki= 1 σi

认知无线电中基于多窗口谱估计-奇异值分解的频谱空穴检测方法研究

在认知无线电技术中,为了可靠的进行频谱空穴检测,提出了一种基于MTM-SVD的频谱空穴检测方法.该方法一方面利用了MTM谱估计的优良特性,一方面使用SVD算法对各传感器接收的空间信号实现了相关处理,并将共性成分提取出来.仿真结果表明,相比较于使用单个传感器进行检测,这种方法能够显著提高检测的性能,减小认知无线电用户对授权用户的干扰.

相关信道下一种新的发射天线选择算法

现有的天线选择算法大多都是假设信道是独立同分布的,而实际的信道是相关的。针对这一问题,本文在研究盖尔圆算法的基础上,提出了一种新的用于相关信道的低复杂度天线选择算法。算法利用奇异值估计方法给出最小奇异值的下界,通过递增的方法,选择使信道矩阵最小奇异值的下界最大的列从而提高最小奇异值,使得容量最大化并得到较好的误码性能。理论分析与仿真结果表明,该算法在射频链路较少时具有很低的复杂度,同时容量和误码性能优于随机选择算法,接近最优选择算法。

相关信道下低复杂度的发射天线选择算法

文中借助于矩阵奇异值最小下界的估计方法,提出了一种基于盖尔圆算法的天线选择新算法。该算法的关键就是在选择天线的每次迭代过程中,采用的是选择使信道矩阵最小奇异值下界最大的列。该算法在减小天线间的相关性的同时,也使得所优化的系统的容量最大化以及误码率最小化。仿真结果表明,该算法不仅降低了计算复杂度,而且所得到的信道容量明显优于随机选择算法和小幅度高于盖尔圆算法。

基于CSVD-NMF的人脸识别算法

基于SVD的人脸识别算法具有共同的缺点,即不同人脸图像对应的奇异值向量所在的基空间不一致,从而造成识别率低下。该文分析2种改进的类估计基空间奇异值分解算法(CSVD),通过对比实验选择出其中一种具有优势的CSVD算法。并在特征提取环节,提出CSVD算法与非负矩阵因子算法特征数据相融合的人脸识别算法。在ORL数据库上的实验结果表明,该结合方法有效地提高了识别率和训练速度。

一种基于联合CSVD-2DNMF的人脸识别算法

类估计基空间奇异值分解算法(CSVD)克服了奇异值分解(SVD)造成的重构图像基空间不一致的本质缺陷,但在一定程度上削弱了图像的类别特征。二维非负矩阵分解算法(2DNMF)能在一定程度上避免NMF识别算法中因图像向量化而造成的结构信息丢失、内存花销大等不足,但是随着训练样本数量的增多,迭代速度慢、训练时间长等缺陷也将凸显。根据CSVD与2DNMF的优缺点,提出了人脸识别的联合CSVD-2DNMF算法,进而运用提出的算法在Matlab平台上对ORL人脸数据库中的人脸图像进行了识别实验。实验结果表明该算法能有效的缩短训练时间和提高识别率。

Harnack Estimates for Weak Solutions to a Singular Parabolic Equation

By an interpolation method,an intrinsic Harnack estimate and some supestimates are established for nonnegative solutions to a general singular parabolic equation.