传统的矩阵分解模型无法充分探索用户与物品在均值、偏置和特征之间的内在联系,提出拟合矩阵模型,通过构建用户与物品矩阵分别代表用户与物品特性来提高预测性能。矩阵分解模型在推荐系统领域有精度优势,但求解模型参数最常用的梯度下...传统的矩阵分解模型无法充分探索用户与物品在均值、偏置和特征之间的内在联系,提出拟合矩阵模型,通过构建用户与物品矩阵分别代表用户与物品特性来提高预测性能。矩阵分解模型在推荐系统领域有精度优势,但求解模型参数最常用的梯度下降法收敛速度缓慢,因此考虑与拟牛顿法融合,加快收敛速度。提出的算法命名为拟合矩阵与两阶融合迭代加速推荐算法(fitting matrix and two orders fusion iterative,FAST),实验表明,FAST算法比传统的非负矩阵分解(NMF)、奇异值矩阵分解(SVD)、正则化奇异值矩阵分解(RSVD)在平均绝对误差(MAE)与均方根误差(RMSE)上有下降,在迭代效率上有显著提高,缓解了精度与迭代效率难以平衡的问题。展开更多
宽带波达角(Direction of Arrival,DOA)估计是声呐系统阵列信号处理中一个重要的研究方向。文章提出了一种基于相干子空间的改进稀疏与参数方法(Coherent Signal-subspace based Modified Sparse and Parameter Approach,C-MSPA),以实...宽带波达角(Direction of Arrival,DOA)估计是声呐系统阵列信号处理中一个重要的研究方向。文章提出了一种基于相干子空间的改进稀疏与参数方法(Coherent Signal-subspace based Modified Sparse and Parameter Approach,C-MSPA),以实现高精度和高空间方位分辨能力的宽带DOA估计。算法利用聚焦矩阵将各子带上的采样协方差矩阵投影至聚焦频率上。完成聚焦后,文章基于频率选择的范德蒙分解理论对协方差矩阵拟合准则进行改进,使重构的协方差矩阵中包含的DOA信息严格限制在聚焦区域内,最终对重构的协方差矩阵进行范德蒙分解,得到DOA估计值。所提出的算法无需选取正则参数,同时避免了基不匹配问题。仿真和湖上实测数据分析结果表明,所提出的方法实现了高空间方位分辨能力且提高了DOA估计精度。展开更多
针对矢量水听器阵列相干信号方位估计问题,提出了迭代稀疏协方差矩阵拟合波达方向估计(direction of arrival,DOA)算法。基于加权协方差矩阵拟合准则,构建了关于稀疏信号功率的目标函数,利用Frobenius范数性质推导了稀疏信号功率迭代更...针对矢量水听器阵列相干信号方位估计问题,提出了迭代稀疏协方差矩阵拟合波达方向估计(direction of arrival,DOA)算法。基于加权协方差矩阵拟合准则,构建了关于稀疏信号功率的目标函数,利用Frobenius范数性质推导了稀疏信号功率迭代更新的递推式。所提算法利用迭代重构的思想计算离散网格点上信号功率,使得估计的功率更精确,从而获得更加精确的DOA估计。理论分析表明,所提算法求解网格点上信号的功率经过了滤波器的预处理,该滤波器允许指定方向的信号通过并且衰减其他方向的信号,对信号的相关性具有较低的敏感度。仿真实验结果表明,在信噪比为15 dB,非相干信号情况下,所提方法估计的平均误差为多重信号分类高分辨方法的39.4%,迭代自适应稀疏信号表示方法的73.7%;相干信号情况下,所提方法估计的平均误差为迭代自适应稀疏信号表示方法的12.9%。所提算法应用于具有高度相关性目标的DOA估计时,可有效提高目标DOA估计的精度。展开更多
Finding the nearest volume-preserving matrix for a given matrix is studied. Amatrix equation is first obtained, which is a necessary condition for the solution to the problem.Then the equation is solved by the singula...Finding the nearest volume-preserving matrix for a given matrix is studied. Amatrix equation is first obtained, which is a necessary condition for the solution to the problem.Then the equation is solved by the singular value decomposition method. Some additional results arealso provided to further characterize the solution. Using these results, a numerical algorithm isintroduced and a numerical test is given to illustrate the effectiveness of the algorithm.展开更多
文摘传统的矩阵分解模型无法充分探索用户与物品在均值、偏置和特征之间的内在联系,提出拟合矩阵模型,通过构建用户与物品矩阵分别代表用户与物品特性来提高预测性能。矩阵分解模型在推荐系统领域有精度优势,但求解模型参数最常用的梯度下降法收敛速度缓慢,因此考虑与拟牛顿法融合,加快收敛速度。提出的算法命名为拟合矩阵与两阶融合迭代加速推荐算法(fitting matrix and two orders fusion iterative,FAST),实验表明,FAST算法比传统的非负矩阵分解(NMF)、奇异值矩阵分解(SVD)、正则化奇异值矩阵分解(RSVD)在平均绝对误差(MAE)与均方根误差(RMSE)上有下降,在迭代效率上有显著提高,缓解了精度与迭代效率难以平衡的问题。
文摘宽带波达角(Direction of Arrival,DOA)估计是声呐系统阵列信号处理中一个重要的研究方向。文章提出了一种基于相干子空间的改进稀疏与参数方法(Coherent Signal-subspace based Modified Sparse and Parameter Approach,C-MSPA),以实现高精度和高空间方位分辨能力的宽带DOA估计。算法利用聚焦矩阵将各子带上的采样协方差矩阵投影至聚焦频率上。完成聚焦后,文章基于频率选择的范德蒙分解理论对协方差矩阵拟合准则进行改进,使重构的协方差矩阵中包含的DOA信息严格限制在聚焦区域内,最终对重构的协方差矩阵进行范德蒙分解,得到DOA估计值。所提出的算法无需选取正则参数,同时避免了基不匹配问题。仿真和湖上实测数据分析结果表明,所提出的方法实现了高空间方位分辨能力且提高了DOA估计精度。
文摘针对矢量水听器阵列相干信号方位估计问题,提出了迭代稀疏协方差矩阵拟合波达方向估计(direction of arrival,DOA)算法。基于加权协方差矩阵拟合准则,构建了关于稀疏信号功率的目标函数,利用Frobenius范数性质推导了稀疏信号功率迭代更新的递推式。所提算法利用迭代重构的思想计算离散网格点上信号功率,使得估计的功率更精确,从而获得更加精确的DOA估计。理论分析表明,所提算法求解网格点上信号的功率经过了滤波器的预处理,该滤波器允许指定方向的信号通过并且衰减其他方向的信号,对信号的相关性具有较低的敏感度。仿真实验结果表明,在信噪比为15 dB,非相干信号情况下,所提方法估计的平均误差为多重信号分类高分辨方法的39.4%,迭代自适应稀疏信号表示方法的73.7%;相干信号情况下,所提方法估计的平均误差为迭代自适应稀疏信号表示方法的12.9%。所提算法应用于具有高度相关性目标的DOA估计时,可有效提高目标DOA估计的精度。
文摘Finding the nearest volume-preserving matrix for a given matrix is studied. Amatrix equation is first obtained, which is a necessary condition for the solution to the problem.Then the equation is solved by the singular value decomposition method. Some additional results arealso provided to further characterize the solution. Using these results, a numerical algorithm isintroduced and a numerical test is given to illustrate the effectiveness of the algorithm.