基于奇异值总体最小二乘法的间谐波估计算法

通过分析噪声误差,提出采用奇异值总体最小二乘(singularvaluedecompositiontotalleastsquares,SVDTLS)算法进行间谐波频率估计,即同时考虑矩阵方程两边的噪声干扰,采用SVDTLS算法求解该情况下的最小范数解,通过对增广矩阵进行奇异值分解(singularvaluedecomposition,SVD),采用简单实用的与信噪比相关的主奇异值个数确定方法对分解的右奇异矩阵进行存储计算,得到了较精确的间谐波频率估计结果。仿真结果表明,该算法具有良好的抗噪性能和数值稳定性,在低信噪比情况下可准确提取信号的频率。

基于LU分解和交替最小二乘法的分布式奇异值分解推荐算法

针对当前分布式潜在因子推荐算法存在时间复杂度较高、运行时间较长的问题,文中提出基于LU分解和交替最小二乘法(ALS)的分布式奇异值分解推荐算法,利用ALS利于分布式求解目标函数的特点,提出网格状分布式粒度分割策略,获取相互独立不相关的特征向量.在更新特征矩阵时,使用LU分解求逆矩阵,加快算法的运行速度.在KDD CUP 2012 Track1中的腾讯微博数据集上的实验表明,文中算法在确保一定推荐精度的前提下,大幅提升推荐速度和算法效率.

奇异值分解法与阻尼最小二乘法的对比

本文根据电阻率测深曲线的一维反演中对初始模型的要求和收敛速度。

基于奇异值分解和总体最小二乘-旋转矢量不变技术的电力系统基波频率测量方法

提出一种电力系统基波频率测量方法。首先,基于奇异熵增量及其增量微分来确定有效信号的重构阶次,通过奇异值分解的逆过程来对电网电压信号进行重构,从而消除了噪声、扰动等影响,提取出其中的基波信号,然后利用总体最小二乘-旋转矢量不变技术算法进行频率估计。仿真结果表明,提出的方法在噪声环境下、电网电压信号发生了频率偏移、出现谐波及瞬时脉冲、谐波及暂态振荡等复合扰动的情况下,有效地提取出了基波信号并较为准确地估算出了其频率值。

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 。

矩阵的奇异值分解在最小二乘法问题上的新应用

本文从矩阵的奇异值分解在齐次方程组的最小二乘解法问题上的应用和矩阵的奇异值分解在带约束方程组的最小二乘解法问题上的应用两个方面,探讨了矩阵的奇异值分解在最小二乘法问题上的新应用。

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。

动力学光谱数据解析的奇异值分解最小二乘法

奇异值分解最小二乘法用于解析模拟的二组份可见 /紫外动力学光谱数据。该方法不仅可获得组成动力学光谱变化的组份分数及其光谱 ,而且能够给出各组份随时间的变化规律 ,与动力学和非线性回归相结合 ,可用于处理复杂体系动力学光谱数据。

基于奇异值分解法的抗差总体最小二乘

在最小二乘平差中,认为只有观测向量中存在误差,因此当有粗差存在时,也只需要考虑观测向量中的粗差,采用抗差最小二乘可达到剔除粗差的目的。而总体最小二乘同时顾及了系数矩阵和观测向量中的误差,这就要求抗差总体最小二乘同时考虑系数矩阵和观测向量中的粗差。为了同时对粗差进行探测和定位,在加权总体最小二乘奇异值分解法的基础上,提出了一种总体最小二乘抗差估计,最后通过2个算例证明了本文提出方法的有效性和可行性。

加权秩亏自由网平差的奇异值分解方法研究

针对传统的加权秩亏自由网平差方法需要对法方程系数阵求广义逆或者需要提前获取约束条件或伪观测方程的问题,本文提出了一种基于奇异值分解系统的加权秩亏自由网平差方法。该方法不仅避免了传统方法的上述步骤,而且适用于观测值权矩阵以及参数先验权矩阵为任意形式的情况,实现了计算流程的简化和适用范围的扩展。加权秩亏自由网平差较多应用于水准网和GPS网,本文分别对相应算例进行验证。结果表明:本文所提出的方法与广义逆法、附加条件法和伪观测法这3种传统方法的计算结果和平差精度完全一致,同时计算效率大致相当,从而为加权秩亏自由网平差提供了一种可供选择的方法,可在控制网内部数据质量检核和变形分析等领域发挥作用。

奇异值分解和最小二乘支持向量机在电能质量扰动识别中的应用

基于奇异值分解(singular value decomposition,SVD)和最小二乘支持向量机(least square support vector machine,LS-SVM)提出电能质量扰动类型识别的新方法。通过对电能质量扰动信号的小波包变换系数矩阵进行奇异值分解,将基频、扰动频率分量、噪声分解到不同的正交特征子空间。再与正常电压信号的奇异值作比值以抵消噪声能量的影响,最大限度地体现出扰动类型间的细微差别,以此作为扰动特征向量,作为最小二乘支持向量机分类器的输入参数,来实现电能质量扰动类型的识别。仿真结果表明,该方法识别准确率高,受噪声影响小,算法稳定性好。

一种最小二乘/奇异值分解算法

针对预失真技术中存在记忆非线性放大器预失真的问题,分析数字预失真器的结构和常用预失真器的识别算法,对经典最小二乘/奇异值分解(LS/SVD)算法进行改进,以较少资源获得较高性能。仿真结果表明,改进的LS/SVD算法能实现记忆非线性放大器的快速、高效线性化,提高记忆非线性放大器的性能。

基于奇异值分解和最小二乘支持向量机的气-液两相流流型识别方法

针对气-液两相流压差波动信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了一种基于奇异值分解和最小二乘支持向量机(LS-SVM)的流型识别方法。该方法首先采用经验模态分解将气-液两相流压差波动信号分解为多个平稳的固有模态函数之和,并形成初始特征向量矩阵;对初始特征向量矩阵进行奇异值分解,得到矩阵的奇异值,将其作为流型的特征向量,根据LS-SVM分类器的输出结果来识别流型。对水平管内空气-水两相流4种典型流型进行识别,结果表明,与神经网络相比,该方法具有更高的识别率和识别速度。

奇异值分解-最小二乘解析去甲肾上腺素的圆二色谱

提出了一种新的光谱电化学数据处理方法:奇异值分解-最小二乘法(SVDLS).该方法用于解析在三个氧化还原过程中30个不同电位下的去甲肾上腺素圆二色(CD)光谱,获得去甲肾上腺素,去甲肾上腺素醌和去甲肾上腺素红在不同过程中的CD谱及其组分分布曲线.很好地解释了去甲肾上腺素的氧化还原机理和相应的CD光谱的变化.

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。

最小二乘和奇异值分解法在边界元法中的应用

采用最小二乘与奇异值分解结合的方法，给出求解系数矩阵不满秩的线性代数方程组的数值方法，进而将此方法应用于边界无法中，处理给定外力的第一边值问题，特别地用于处理给定外力的三维裂纹问题。此外，本文还给出求解三维有限体裂纹问题的超奇异积分方程组，并使用有限部积分与边界元法为其建立了数值法。最后计算了若于典型例子的应力强度因子，数值结果与现有文献的相比，符合很好。

大规模最小二乘奇异值分解的并行处理方法

大规模最小二乘问题求解中,直接进行奇异值分解会产生巨大的内存需求以及漫长的计算时间。为解决该问题,提出了一种基于迭代的并行处理方法。该方法利用奇异值分解降维的特性,通过迭代不断减小矩阵规模,直到可以直接使用奇异值分解求解。在迭代过程中,将矩阵分解为许多足够小的子矩阵,并行处理其奇异值分解过程,从而提升运行速度。实验结果表明,该方法即使是串行处理,也使得大规模最小二乘奇异值分解的时间成本及空间成本大大降低;而并行处理在双机条件下加速比接近200%。

基于奇异值分解—偏最小二乘回归的多标签分类算法

针对多标签数据的标签相关性和高维问题,提出一种基于奇异值分解—偏最小二乘回归的多标签分类算法,该算法可以对多标签数据进行维数约简和回归分析。首先,将类别标签集合作为整体处理,对标签相关性进行考察;其次,利用奇异值分解(SVD)技术得到样本和标签空间的得分向量,实施降维;最后,在偏最小二乘回归(PLSR)的基础上构建多标签分类模型。实验结果表明,在四种维数较高的真实数据集上,该算法可以获得有效的分类结果。

病态加权总体最小二乘模型的截断奇异值解法

利用截断奇异值解法处理了病态加权总体最小二乘模型,详细推导了参数的截断奇异值解及其偏差、方差以及均方误差公式,该算法无需迭代求解,易于实现。将截断奇异值解的均方误差与最小二乘解的方差进行比较,发现当奇异值由大到小依次变化时,截掉奇异值所造成的解的均方误差下降量的符号由负逐渐变正,由此导出了确定截断参数的公式。数值算例和病态测边网算例分析结果表明,受模型病态性的影响,最小二乘解和总体最小二乘解的精度较差;截断奇异值解能够有效地削弱模型的病态性同时又顾及了系数阵的误差,其解的精度最高。

等式约束病态总体最小二乘的修正奇异值解及精度评定

参数间一些精确的先验等式约束信息可以显著提高解的准确性和精度。在样本信息和先验信息下进行联合平差,基于病态总体最小二乘平差准则,分析奇异值分布对未知参数估计的影响,借助修正法修正奇异值,引入等式约束条件。通过建立拉格朗日目标函数的最小化求解,导出未知参数的迭代解式和近似方差-协方差矩阵,对等式约束病态总体最小二乘的修正奇异值解进行精度评定。计算整周模糊度算例和两个病态测边网算例,得出病态矩阵的奇异值按照降序排列且均匀分布时,等式约束总体最小二乘的奇异值修正法相比较等式约束总体最小二乘有明显的改善效果。