基于混沌映射和矩阵奇异分解的公开数字水印技术

该文提出了一种基于混沌映射和矩阵奇异分解的公开数字水印技术 .利用混沌映射将水印进行预处理 ,并按水印的大小把原始图像分成若干个子块 ,每个子块对应于水印的一比特 ,利用矩阵的奇异分解方法分解每个子块 ,将水印比特嵌入到子块的某一奇异值位置 ,修改该奇异值 ,然后利用矩阵的奇异分解反向变换得到嵌入水印的图像 .利用混沌映射结合矩阵奇异分解 ,将水印信息分散在原始图像的不同位置 ,提高了水印的视觉效果 ,保证了水印的安全性。实验结果表明 。

一种基于小波变换与奇异分解的图像水印算法

提出一种基于离散小波变换(Discrete Wavelet Transform,DWT)与奇异值分解(Singular Value Decomposition,SVD)相结合的数字水印算法。该算法将原始图像的小波子图进行奇异值分解,将灰度水印图像进行Arnold变换以及扰乱加密,再进行分块离散余弦变换(Discrete Cosine Transform,DCT),将变换后的系数分类嵌入到相应的奇异值中。实验仿真表明,这种方法能抗大多数图像处理攻击,具有良好的鲁棒性。

基于奇异分解和自适应BEM积分算法的水下航行体机械噪声预报

提出一种改进的声学边界元法(M-BEM)用于准确计算水下航行体发动机振动引起的近场辐射噪声。分别采用奇异分解技术和自适应边界元积分算法解决了Helmholtz积分方程在求解近场声压时出现的超奇异积分和奇异积分问题。采用一脉动球源的声辐射算例对方法进行验证,数值解与精确解误差小于1.5dB。结合有限元方法并考虑流固耦合作用预报了水下航行体机械振动噪声,将航行体近场声场可视化实现了主要发声部位的定位。进一步分析航行体的辐射声功率谱,对突出线谱噪声进行了定量分析。通过降低发动机环形隔振圈的刚度,使得突出线谱处的声功率向宽频域发生了转移,有效地抑制了线谱噪声,达到了减振降噪的目的。

基于哈达玛变换和奇异分解的四个彩色图像水印算法

针对在某一数字产品中仅仅嵌入一种水印已经不能满足人们要求的问题,基于哈达玛变换的正交原理和奇异分解(SVD)的相对稳定性等优点,提出了一种在基于离散小波变换离散余弦变换(DWT-DCT)域上利用哈达玛变换和SVD实现4个彩色图像水印同时嵌入的算法。先利用哈达玛变换,使4个水印成为1个水印,再将该水印进行SVD。原载体图像先进行DWT和DCT,再进行SVD和水印嵌入。仿真结果表明,该方法不但可以同时嵌入多个水印,而且具有很强的鲁棒性。

一种基于高阶奇异分解的个性化股票推荐算法

提出算法预测基金经理对股票的投资策略,为个体投资者提供投资意见。不同于仅依据股票本身信息推荐的传统算法,该算法通过高阶奇异值分解算法HOSVD(Higher Order Singular Value Decomposition)学习基金经理的历史交易记录和投资者的个人特征因素,为投资者提供个性化推荐。除此之外,将非个性化推荐与个性化推荐进行整合,进一步提高推荐质量。对真实股票交易数据的仿真实验结果表明,用于推荐的个性化算法在准确度和收益率方面,优于传统的非个性化算法。

基于奇异分解与最小二乘支持向量机的刀具磨损识别方法研究

针对刀具磨损声发射信号的非平稳特征,提出了基于奇异值分解和最小二乘支持向量机的刀具磨损状态识别方法。该方法首先对声发射信号进行经验模态分解,将其分解为若干个固有模态函数之和,利用固有模态函数构造初始特征向量矩阵,然后对初始特征向量矩阵进行奇异值分解,计算奇异谱,将奇异谱做为特征向量,送入最小二乘支持向量机训练、识别。结果表明:该方法能很好地识别刀具磨损状态,与神经网络相比具有更高的识别率。

一种基于最大Lyapunov指数奇异分解的并行挖掘算法

针对当前大数据挖掘并行计算采用多元线性回归分析方法导致的计算开销过大、挖掘准确度不高等问题,提出了一种基于最大Lyapunov指数奇异分解的大数据挖掘并行计算方法.该方法对大数据信息流进行高维相空间重构和QR分解,计算大数据流模型的最大Lyapunove指数谱,基于微积分极值理论构建大数据的Lyapunove指数谱的网格分布矩阵,采用奇异值分解方法对参与运算的大数据特征向量矩阵行分解,将大规模的数据挖掘计算问题变为一系列小规模的并行计算问题,实现了大数据挖掘中并行算法的改进.测试结果表明,采用该方法进行大数据挖掘的计算时间较短、内存开销较小、准确度高.

奇异值分解五阶容积卡尔曼滤波汽车状态估计

针对三阶滤波对高维汽车非线性模型估计精度有限的问题,以电动汽车为研究对象,提出了一种基于奇异值分解的五阶容积卡尔曼滤波(SVD-FCKF)车辆状态估计器。首先基于Dugoff轮胎模型,构建高维非线性7自由度车辆动力学模型。然后根据三阶球面-径向容积规则将CKF拓展到五阶,使其具有五阶泰勒级数展开精度,同时利用奇异值分解代替传统Cholesky分解,提高估计器的鲁棒性。最后利用Carsim和Matlab/Simulink联合仿真平台对SVD-FCKF进行验证,结果表明:改进的SVD-FCKF估计器能够有效提高电动汽车纵向速度、侧向速度、质心侧偏角和四轮转速的估计精度和稳定性,多工况适应能力强,整体估计效果优于CKF估计器。研究结果为电动汽车主动安全研究提供了理论支撑,具有实际应用价值。

矩阵奇异值分解与非齐次线性方程组系数矩阵的广义逆求解

非齐次线性方程组在多数实际工程反演问题中较为常见,对其进行有效地求解是解决实际反演问题的关键,本文通过对方程组系数矩阵进行奇异值分解,推导非齐次线性方程组系数矩阵的广义逆求解过程,给出具体的求解方法和实现步骤,使得求解算法更容易进行计算机编程.

超声矢量血流成像联合奇异值分解滤波检测肝脏深部微血管内血流速度

目的观察超声矢量流速成像(VFI)联合奇异值分解(SVD)滤波对检测肝脏深部微血管内血流速度的价值。方法前瞻性对1例疑诊肝血管瘤患者采集肝脏灰阶超声、CDFI及超声造影(CEUS)图;对CEUS图行SVD滤波处理,以互相关算法分别获取基于灰阶超声、原始CEUS及经SVD滤波处理后CEUS的VFI,比较其检测肝脏微血管血流方向和速度的差异。结果肝脏灰阶超声、原始CEUS及经SVD滤波处理后CEUS图的信噪比(SNR)分别为7.56、17.65及22.43 dB,对比组织比(CTR)分别为1.12、7.56及16.34 dB。相比基于灰阶超声和原始CEUS的VFI,经SVD滤波处理后CEUS的VFI可检出更高速、方向更均一的血流。SVD滤波处理前、后,VFI所测肝脏微血管内血流速度分别为1.91(0.81,4.11)及6.83(4.25,9.41)mm/s,差异有统计学意义(Z=-10.671,P<0.001)。结论联合SVD滤波可显著提高VFI检测肝脏深部微血管内血流速度的效能。

基于奇异值分解的隐式后门攻击方法

深度神经网络训练时可能会受到精心设计的后门攻击的影响.后门攻击是一种通过在训练集中注入带有后门标志的数据,从而实现在测试时控制模型输出的攻击方法.被进攻的模型在干净的测试集上表现正常,但在识别到后门标志后,就会被误判为目标进攻类.当下的后门攻击方式在视觉上的隐蔽性并不够强,并且在进攻成功率上还有提升空间.为了解决这些局限性,提出基于奇异值分解的后门攻击方法.所提方法有两种实现形式:第1种方式是将图片的部分奇异值直接置零,得到的图片有一定的压缩效果,这可以作为有效的后门触发标志物.第2种是把进攻目标类的奇异向量信息注入到图片的左右奇异向量中,也能实现有效的后门进攻.两种处理得到的后门的图片,从视觉上来看和原图基本保持一致.实验表明,所提方法证明奇异值分解可以有效地利用在后门攻击算法中,并且能在多个数据集上以非常高的成功率进攻神经网络.

基于奇异值分解张拉整体结构找形方法

张拉整体结构是由一组不连续的受压单元包含于连续受拉单元组成的稳定自平衡结构,为了寻找自平衡状态下的构型,引入奇异值分解的方法,将寻找张拉整体结构的自平衡构型问题转化为最小奇异值的判定。通过广义节点坐标和构件之间的连接关系建立结构的数学模型;引入力密度的概念,对张拉整体结构进行受力分析,列写包含平衡矩阵的平衡方程;对平衡矩阵进行奇异值分解,利用分解获得的最小奇异值判断平衡方程是否有解,对张拉整体结构是否存在自平衡构型进行初步判定,再依据获得的力密度的均匀性(同组构件力密度大小相等)和正负属性(杆的力密度小于0,索的力密度大于0)对结构自平衡状态进一步判断;通过实例分析对该找形方法的可行性进行了验证,结果表明:该方法可以找到张拉整体结构自平衡构型。本文为寻找自平衡张拉整体结构提供了一种思路。

基于奇异值分解的马氏距离光伏故障监测

及时检测出光伏阵列短路、断路、阴影遮挡等故障并作出相应处理,不仅有利于提高光伏阵列收益,也有利于降低光伏阵列安全风险,避免火灾等事故。基于马氏距离方法,计算出光伏阵列实测电流电压和仿真模型输出电流电压的相似程度,以此用于光伏阵列故障监测。正常条件下,光伏阵列实测电流电压值和仿真模型输出电流电压值较为接近,传统马氏距离方法在求解逆矩阵时将产生奇异解。结合奇异值分解方法对传统马氏距离方法进行了改进,试验证明,所提出的方法能够精准检测出相应的短路、断路、阴影遮挡等故障。

基于再模糊和奇异值分解的局部模糊区域检测

针对局部模糊区域检测与分割,提出一种基于再模糊和奇异值分解的局部模糊检测方法。首先,对待检图像进行高斯模糊和图像连续分块,对分块图像进行奇异值分解;其次,对奇异值向量进行指数函数拟合,得到待测和再模糊图像的奇异值曲线,分别计算拟合曲线的积分并作差,将差值差异性作为描述模糊的特征值;最后,利用Canny边缘检测算法完成图像分割,并利用最大、最小滤波器和相关形态学处理对边缘内部区域进行填充。实验结果表明:该方法可以有效地完成局部模糊区域的检测和分割,同时对纹理平坦区域的识别同样有效。

一种奇异值分解与子空间加权联合的改进MUSIC算法

在低信噪比、小快拍数等非理想条件下,经典DOA估计算法对邻近目标的分辨率严重下降,甚至失去分辨能力。针对这一问题,提出了一种将重构的接收信号协方差矩阵进行奇异值分解并与改进的加权子空间方法相结合的改进算法。该算法充分利用互相关信息构建新的接收信号协方差矩阵,并对噪声子空间信息采用新的校正方法,对噪声特征值进行改造,之后对噪声子空间进行加权,最后与信号子空间加权技术相联合。仿真实验证明,改进算法在低信噪比和小快拍数条件下可以分辨间隔4°的相邻目标,统计分析表明该算法的分辨率明显优于经典MUSIC算法。

基于动态线损与奇异值分解的智能电表误差估计

利用远程数据分析对智能电表进行评估和异常检测,与传统的现场校准相比成本更低、效率更高,在电力行业得到了广泛的关注。基于此,提出一种基于动态线损估计与奇异值分解的智能电表在线误差估计方法。首先考虑负荷类型对线损估计的影响,建立估计误差求解方程;然后结合基于截断奇异值分解的正则化方法进行方程求解,获取智能电表误差估计结果;最后通过仿真及实际数据验证所提方法的有效性。结果表明,与其他方法相比,所提方法能够求解不适定问题,且具有更高的精度。

基于奇异值分解的机器人视觉图像显著目标自动提取方法研究

传统机器人视觉图像显著目标自动提取方法直接对机器人视觉图像进行显著性处理,未对图像进行超像素分割,造成传统方法目标提取效果较差。鉴于此,提出基于奇异值分解的机器人视觉图像显著目标自动提取方法,对机器人视觉图像进行超像素分割,在完成分割后,基于奇异值分解进行机器人视觉图像显著性处理,以减少图像中的不平衡性,最后利用显著性实现目标自动提取。设计对比实验,实验结果表明,该研究方法在提取机器人视觉图像显著目标方面效果更优。

奇异值分解滤波联合Frangi滤波对超微血管成像图像质量的影响

目的 观察奇异值分解(SVD)滤波联合Frangi滤波对超微血管成像(SMI)图像质量的影响。方法 分别对1具仿体及1例疑诊肝血管瘤患者行CEUS,分别以SVD滤波(A组)、Frangi滤波(B组)、Frangi+SVD滤波(C组)及SVD+Frangi滤波(D组)处理图像,之后比较不同图像的质量。结果 4组仿体及人体肝脏SMI对比组织比(CTR)、对比度噪声比(CNR)及信噪比(SNR)均高于原始CEUS图像。相比原始图像,D组图像质量及分辨率提升最为显著,仿体SMI的CTR、CNR及SNR分别提升58.04、3.39及48.04 dB,人体肝脏SMI相应参数则分别提升61.85、16.80及49.67 dB,而分辨率分别为原始CEUS图像的1.42倍及1.98倍。结论 SVD滤波联合Frangi滤波可有效提高SMI图像质量。

奇异值分解下在线鲁棒正则化随机网络

在线鲁棒随机权神经网络(OR-RVFLN)具有较好的逼近性、较快的收敛速度、较高的鲁棒性能以及较小的存储空间.但是,OR-RVFLN算法计算过程中会产生矩阵的不适定问题,使得隐含层输出矩阵的精度较低.针对这个问题,本文提出了奇异值分解下在线鲁棒正则化随机网络(SVD-OR-RRVFLN).该算法在OR-RVFLN算法的基础上,将正则化项引入到权值的估计中,并且对隐含层输出矩阵进行奇异值分解;同时采用核密度估计(KDE)法,对整个SVD-OR-RRVFLN网络的权值矩阵进行更新,并分析了所提算法的必要性和收敛性.最后,将所提的方法应用于Benchmark数据集和磨矿粒度的指标预测中,实验结果证实了该算法不仅可以有效地提高模型的预测精度和鲁棒性能,而且具有更快的训练速度.

基于滑动窗奇异值分解的局部放电信号检测方法

在局部放电信号检测过程中,局部放电信号幅值小,易受到噪声干扰,导致低信噪比下局部放电信号检测与波形恢复难度大。本文提出了基于滑动窗奇异值分解的局部放电信号检测方法。该方法利用噪声干扰信号与局部放电信号奇异值的差异性,通过滑动窗分段处理,建立奇异值差值序列,达到降噪与还原局部放电信号的目的。仿真与实测结果表明,本文方法在抑制噪声干扰和还原局部放电信号方面相比传统方法更具优势,且稳定性更好,适合在混合噪声干扰下实现对实测局部放电信号的检测和波形恢复。