利用CCD摄像机得到的火焰辐射能图像进行炉膛三维火焰温度场重建,但温度重建矩阵方程是一个不适定方程组,从而重建问题是一个不适定问题.应用截断奇异值分解(truncated singular value decomposition,TSVD)的正则化方法对该不适定方程...利用CCD摄像机得到的火焰辐射能图像进行炉膛三维火焰温度场重建,但温度重建矩阵方程是一个不适定方程组,从而重建问题是一个不适定问题.应用截断奇异值分解(truncated singular value decomposition,TSVD)的正则化方法对该不适定方程组进行求解,并且采用了L曲线法对正则化参数进行选取.结合重建算例,采用奇异值分解(singular value decomposition,SVD)与离散Picard条件对这个不适定问题进行了分析.重建结果表明,在不同的模拟测量误差下,TSVD能够成功得到合理的解,重建温度场较好的再现了原始假设温度场的特征.展开更多
目前,传统雷达成像方法的发展日渐完善,但在前视成像场景下,雷达难以获取方位向上的多普勒信息,从而限制了其方位向分辨率。为了解决这一问题,国内提出了微波关联成像方法。微波关联成像方法利用关联成像原理进行雷达成像,无需利用目标...目前,传统雷达成像方法的发展日渐完善,但在前视成像场景下,雷达难以获取方位向上的多普勒信息,从而限制了其方位向分辨率。为了解决这一问题,国内提出了微波关联成像方法。微波关联成像方法利用关联成像原理进行雷达成像,无需利用目标的多普勒信息即可实现高分辨率成像。这一新型雷达成像方法突破了传统雷达成像方法中受限于雷达孔径的分辨率,具有极高的前视成像发展潜力。目前,国内外对微波关联成像的研究主要集中在产生随机波前、解决模型失配问题和研制超材料孔径等方面,但对关键的关联过程的优化主要集中在压缩感知和深度学习方面,而在伪逆算法方面的研究相对较少。因此,为了进一步完善微波关联成像体系,本文提出了一种新的针对伪逆算法优化的微波关联前视成像方法。本文结合截断奇异值分解(Truncated Singular Value Decomposition,TSVD)处理和吉洪诺夫正则化(Tikhonov)提出了奇异值分解和吉洪诺夫正则化的联合处理方法(TSVD-Tikhonov,TSVDT),通过TSVDT方法对时空随机辐射阵进行处理,然后进行压缩关联成像。同时,本文比较了广义交叉验证(Generalized Cross-Validation,GCV)和L曲线法,并证明了在微波关联成像方法中,利用GCV法选择截断参数的运算耗时更短且更稳定。最后,利用微波暗室实验验证了该方法在低信噪比条件下提高了成像的抗干扰能力,并且仍能保持较快的运算速度。展开更多
针对个性化推荐过程中高维稀疏性引起的数据震荡和推荐精度不高的问题,提出一种通过交替最小二乘算法(Alternating Least Squares,ALS)来优化的带偏置概率矩阵分解的推荐方法.首先将用户项目的偏置信息融入到改进的概率矩阵分解算法中....针对个性化推荐过程中高维稀疏性引起的数据震荡和推荐精度不高的问题,提出一种通过交替最小二乘算法(Alternating Least Squares,ALS)来优化的带偏置概率矩阵分解的推荐方法.首先将用户项目的偏置信息融入到改进的概率矩阵分解算法中.其次为了提升训练速度和推荐精度,将训练得到的用户项目潜在因子向量作为ALS的初始值,进而得到用户项目潜在因子矩阵.最后利用分解后的两个低维矩阵对原矩阵中的未知评分进行预测.在Movielens100k数据集上的实验结果表明,本文提出的推荐算法在相对于传统的带偏置概率矩阵分解来说最高提高3.41%,结果稳定且准确率高.展开更多
基金国家自然科学基金(the National Natural Science Foundation of China under Grant No.50579061)高等院校博士学科点专项科研基金(theChina Specialized Research Fund for the Doctoral Program of Higher Education under Grant No.106-220546)。
文摘利用CCD摄像机得到的火焰辐射能图像进行炉膛三维火焰温度场重建,但温度重建矩阵方程是一个不适定方程组,从而重建问题是一个不适定问题.应用截断奇异值分解(truncated singular value decomposition,TSVD)的正则化方法对该不适定方程组进行求解,并且采用了L曲线法对正则化参数进行选取.结合重建算例,采用奇异值分解(singular value decomposition,SVD)与离散Picard条件对这个不适定问题进行了分析.重建结果表明,在不同的模拟测量误差下,TSVD能够成功得到合理的解,重建温度场较好的再现了原始假设温度场的特征.
文摘目前,传统雷达成像方法的发展日渐完善,但在前视成像场景下,雷达难以获取方位向上的多普勒信息,从而限制了其方位向分辨率。为了解决这一问题,国内提出了微波关联成像方法。微波关联成像方法利用关联成像原理进行雷达成像,无需利用目标的多普勒信息即可实现高分辨率成像。这一新型雷达成像方法突破了传统雷达成像方法中受限于雷达孔径的分辨率,具有极高的前视成像发展潜力。目前,国内外对微波关联成像的研究主要集中在产生随机波前、解决模型失配问题和研制超材料孔径等方面,但对关键的关联过程的优化主要集中在压缩感知和深度学习方面,而在伪逆算法方面的研究相对较少。因此,为了进一步完善微波关联成像体系,本文提出了一种新的针对伪逆算法优化的微波关联前视成像方法。本文结合截断奇异值分解(Truncated Singular Value Decomposition,TSVD)处理和吉洪诺夫正则化(Tikhonov)提出了奇异值分解和吉洪诺夫正则化的联合处理方法(TSVD-Tikhonov,TSVDT),通过TSVDT方法对时空随机辐射阵进行处理,然后进行压缩关联成像。同时,本文比较了广义交叉验证(Generalized Cross-Validation,GCV)和L曲线法,并证明了在微波关联成像方法中,利用GCV法选择截断参数的运算耗时更短且更稳定。最后,利用微波暗室实验验证了该方法在低信噪比条件下提高了成像的抗干扰能力,并且仍能保持较快的运算速度。
文摘针对个性化推荐过程中高维稀疏性引起的数据震荡和推荐精度不高的问题,提出一种通过交替最小二乘算法(Alternating Least Squares,ALS)来优化的带偏置概率矩阵分解的推荐方法.首先将用户项目的偏置信息融入到改进的概率矩阵分解算法中.其次为了提升训练速度和推荐精度,将训练得到的用户项目潜在因子向量作为ALS的初始值,进而得到用户项目潜在因子矩阵.最后利用分解后的两个低维矩阵对原矩阵中的未知评分进行预测.在Movielens100k数据集上的实验结果表明,本文提出的推荐算法在相对于传统的带偏置概率矩阵分解来说最高提高3.41%,结果稳定且准确率高.