基于特征投影矩阵和线性约束的水声阵列信号抗主瓣干扰方法

提出了基于特征投影矩阵和线性约束的水声阵列信号抗主瓣干扰方法。该方法首先改进重构了干扰噪声的协方差矩阵,消除预处理时期望信号对主瓣干扰特征矢量选择的影响;其次,添加线性约束,保证期望信号方向增益,约束旁瓣干扰子空间置零,同时使得自适应权矢量的模最小,消除噪声抖动;最后求取自适应权矢量进行波束形成。仿真实验结果表明,本工作算法不仅在旁瓣有更深零陷,还能使主波束保形,提高了系统的输出信干噪比。

一类周期伪Jacobi矩阵的逆特征值问题

该文考虑了一类周期伪Jacobi矩阵的逆特征值问题,该矩阵依赖于一个符号算子,该符号算子分量的变化将会对整个矩阵的谱造成很大的扰动.于是根据该矩阵特征方程根的分布情况来讨论其特征值的分布.当该符号算子中最后一个分量发生变化时,给出了其逆特征值问题可解的充要条件和具体的构造过程.最后,通过数值算例验证了所给算法的有效性和可行性.

约束传播自适应半监督非负矩阵分解聚类算法

对称非负矩阵分解(SNMF)能够自然地捕获图表示中嵌入的聚类结构,是线性和非线性数据聚类应用的重要方法。但其对变量的初始化较敏感,初始化矩阵的质量好坏会较大地影响聚类性能,且在半监督聚类中面临着从有限的标记数据中学习更具辨别力表示的挑战。针对以上问题,提出了一种约束传播自适应半监督非负矩阵分解聚类算法(constrained propagation self-adaptived semi-supervised non-negative matrix factorization clustering algorithm,CPS3NMF)。该算法将有限约束传播到无约束数据点,构建出带有约束信息的相似矩阵,所获得的相似矩阵充当SNMF中分解的非负对称矩阵,还用于对分配矩阵进行图正则化,充分利用约束信息来保存数据空间的几何结构。同时结合SNMF对初始化特征的敏感性,使用自适应学习的权重对多个初始化矩阵的质量进行排序,集成多次聚类结果来逐步提高半监督聚类性能。在6个公开数据集上进行实验表明所提出的CPS3NMF算法优于其他先进算法,证明了其在半监督聚类中的有效性。

稀疏约束的L21增量式非负矩阵分解研究

针对新增数据增大而引起的运算效率增大的现象,提出了一种稀疏约束的增量式非负矩阵分解改进算法。该算法是在加入稀疏条件的情况下对增量数据使用L21范数。首先对初始数据进行经典非负矩阵分解,其次再利用其分解结果参与增量数据的运算,使目标函数在分解计算中具有较好的收敛效果和分解后数据有较好的稀疏度。实验部分主要是将该算法与增量式非负矩阵分解、稀疏约束的增量式非负矩阵分解、经典非负矩阵分解算法进行对比,得出在分解后数据的稀疏度和收敛快慢方面该算法均优于其他3个算法。

严格对角占优L-矩阵的预条件Jacobi迭代法

讨论了一种预条件Jacobi迭代法,理论上证明了系数矩阵为严格对角占优L-矩阵时,所给预条件子加快了Jacobi迭代法的收敛速度.通过三个数值实例验证了系数为严格对角占优L-矩阵预条件Jacobi迭代法的有效性.

某型复杂工程机械变速箱体复合工艺约束机加工线平衡研究

为解决机加工生产线平衡问题所包含的加工任务刀具需求、机床类型需求、加工方位约束、“紧密”型和“或”型约束等复杂条件,建立了机加工生产线平衡数学模型,并采用含多重筛选机制的粒子群算法进行了求解。首先,建立了满足此复杂实际约束条件的机加工生产线平衡问题数学模型;然后,采用粒子的位置坐标作为粒子群搜索的权重信息,进行了加工任务、集中任务的选取,并设计了多重筛选机制构造启发式任务集生成规则;采用此规则对待分配加工任务进行了多重筛选,以得到可供直接分配的加工任务集合,粒子群算法(PSO)从此集合中依次选取了加工任务,构成了完整的解,并形成了具体的任务分配方案;最后,为提高程序的实用性和可视性,设计了加工任务的甘特图生成模块,通过对某复杂工程机械变速箱体零件的实际案例研究,将简化后的任务信息代入算法进行了求解。研究结果表明:该方法实现了多组平衡率高于90%的优化结果,在节拍时间为1120 s时,得到94.66%的较高平衡率,排产方案表格内容与甘特图显示一致;算法推演结果满足设定的多种复合约束条件,通过与人工排产对比说明了该算法的有效性并具有较好的经济性、实用性;对柔性生产案例进行探讨,证明该算法运算结果具备一定的生产柔性。

基于约束图正则的块稀疏对称非负矩阵分解

现有的基于对称非负矩阵因式分解(Symmetric Nonnegative matrix Factorization, SymNMF)算法大都仅依赖初始数据构造亲和矩阵,并且一定程度上忽视了样本有限的成对约束信息,无法有效区分不同类别的相似样本以及学习样本的几何特征。针对以上问题,提出了基于约束图正则的块稀疏对称非负矩阵分解(Block Sparse Symmetric Nonnegative Matrix Factorization Based on Constrained Graph Regularization, CGBS-SymNMF)。首先,通过先验信息构造约束图矩阵,用于指导类别指示矩阵区分高相似度的不同类别样本;然后,引入PCP-SDP(Pairwise Constraint Propagation by Semi-definite Programming)方法,利用成对约束学习一个新的样本图映射矩阵;最后,利用“勿连”约束构造不相似矩阵,用于引导一个块稀疏正则项,以增强模型抗噪能力。实验结果表明,所提算法具有更高的聚类精确度和稳定性。

全变差稀疏约束深度非负矩阵分解高光谱遥感影像解混方法

传统非负矩阵分解方法仅基于单层线性模型,现有的深度非负矩阵分解模型忽略了地物光谱的实际混合物理过程,仅从数学理论考虑深度分解。对此,文中从光谱混合的物理过程出发,综合非负矩阵分解和深度学习,将光谱混合过程进行反向建模,并充分考虑丰度的稀疏性和空间平滑性,构建了用于高光谱遥感影像解混的面向端元矩阵的全变差稀疏约束深度非负矩阵分解模型。通过模拟实验和真实实验,将文中所提方法与5种解混方法进行对比。结果表明,相较于面向丰度的深度非负矩阵分解算法,文中所提方法的平均光谱角距离和均方根误差均有所降低,取得了最佳解混结果。

多图融合约束半非负矩阵分解的动作分割方法

基于聚类的无监督动作分割方法主要利用序列中相邻帧之间的结构相似性来提高动作分割的准确性。这在实现动作片段内部一致划分的同时给不同动作边界的准确分割带来隐患。为此提出了一种基于多图融合约束矩阵分解的动作分割方法。通过融合序列中的结构相似性和度量相似性信息构造多图融合约束项,融入到半非负矩阵分解中获得序列的低维表示,进而获得序列的k近邻图并利用图割的方法实现准确分割。在两类动作序列上的实验表明,所提方法在保持动作内部一致划分的同时能够准确划分动作边界,明显提升了分割准确性,时间效率也明显提升。

矩阵方程AX=B的谱范数约束解

奇异值分解是求解约束矩阵方程的有效手段.首先根据奇异值分解得到矩阵方程解的分块表达式,再利用分块矩阵的保范扩张定理,得到相容矩阵方程AX=B在谱范数约束下的一般解、Hermitian解和半正定解.

多元统计分析中一类矩阵迹函数极小化问题的分裂迭代法

研究了来源于多元统计分析中的一类含列正交约束的矩阵迹函数极小化模型,该模型的特殊形式广泛应用于多维标度分析中DEDICOM模型和正交INDSCAL模型最小二乘拟合等问题中。结合变量分裂构造了几类经典的基于分裂的不可行迭代算法求解该约束迹函数极小化模型,并给出算法外层迭代框架和内层子问题的具体求解方案。数值实验验证了算法的有效性。

基于正交约束的广义可分离非负矩阵分解算法

可分离非负矩阵分解(NMF)是通过抽取数据集中的部分样本或关键主题来表示整个数据集的一种特殊NMF方法。广义可分离非负矩阵分解(GSNMF)算法是由可分离NMF扩展的算法,可以同时得到数据集中的关键样本和关键主题两类特征,使分解结果更具有可解释性,但在处理某些数据集时由于选择方法存在的缺陷,GSNMF算法只能单独选择行或列的特征,从而失去可解释性的优点。为此,引入正交约束来修正GSNMF算法的选取结果,提出一种基于正交约束的广义可分离非负矩阵分解(OGSNMF)算法,利用非负特性及正交约束的特点,限制迭代过程中关于行和列的迭代矩阵,确保得到行和列的特征,并获取更加精确的分解结果。在此基础上,引入相对近似误差作为实验指标,结合分解结果的秩在行与列上的分配作为实验评判标准。实验结果表明,与原有算法相比,OGSNMF算法在处理数据集时,相对近似误差提高了1~3个百分点,说明在分解过程中损失的信息更少,确保能够获取到行和列的特征,得到更具有可解释性的分解结果。

矩阵型投影神经网络模型解混合约束非线性优化

构建神经网络模型,并证明该模型的稳定性是求解非线性优化的重要问题,矩阵变量神经网络模型是向量型神经网络的拓展,大量研究工作者证明了前者在计算速度与应用方面都更有优势。研究针对一类含有混合约束的非线性规划,提出了一种新的矩阵型投影神经网络,并证明了模型的全局稳定性,模拟实验进一步验证了此结论。

基于稀疏约束非负矩阵分解的水下线谱增强方法

水下目标线谱增强是被动声纳目标探测的关键问题之一。传统的线谱信号处理方法集中于时域和频域处理,本文提出了利用非负矩阵分解,在时频联合域内进行线谱信号增强的处理方法,以目标线谱信号的时频矩阵作为非负矩阵分解的输入,通过基矩阵提取线谱信号的频谱模式。根据线谱信号在频域的稀疏性质,对基矩阵进行稀疏性约束,利用权重稀疏扫描的方式讨论基矩阵的稀疏度和频率估计精度随权重系数的变化关系,确定稀疏约束项的有效权重系数区间。仿真结果显示,稀疏约束项在低信噪比条件下表现出优越的线谱增强能力,最低信噪比可达-30 dB。海试数据结果表明,此方法可以有效地提高对线谱信号的提取能力。

一种改进的视图几何基本矩阵估计法

多视图几何中的基本矩阵估计需要利用准确的对应点,但是图像噪声或光线变化会产生错误匹配,进而严重影响基本矩阵估计的准确度。为提高基本矩阵估计的准确性,文章提出了一种基于对极约束梯度的迭代方法去估计基本矩阵。该方法能在最少的迭代次数下迅速剔除两视图匹配过程中的错误匹配点。然后再加入对应点相关性的约束,可以得到最佳对应点集合用于估计基本矩阵。通过在各类不同场景的图像上实验分析可以发现,该方法相比于其他方法估计基本矩阵误差至少降低20%。

双约束需求矩阵与营销策略研究

论文首先探讨了支付预算约束与市场供给约束的内涵及其对消费需求形成与发展的影响,其次构建了基于双约束的需求矩阵模型,并对沉默需求、变动需求、不满需求和理想需求的特征进行了探讨。在上述研究基础上,论文从支付预算约束与市场供给约束两个视角,提出了针对四类消费需求的营销策略,最后提出了基于双约束的消费需求的未来研究展望。

矩阵方程A^(T)XB+B^(T)X^(T)A=D子矩阵约束对称解的MCG算法

建立求矩阵方程A^(T)XB+B^(T)X^(T)A=D的子矩阵约束解的MCG算法。首先对矩阵作分块处理,将其转化为求一类双变量矩阵方程异类约束解的问题;其次,基于修正共轭梯度法,构造求其异类约束解和异类约束最小二乘解的迭代算法,该算法具有约束解存在性的判断功能;最后,证明算法的收敛性,并通过数值算例说明算法的有效性。

基于L2,1范数和局部约束的非负矩阵分解

给出了一种基于L2,1范数和局部约束的非负矩阵分解方法,降低了对原始数据中噪声和异常值的敏感程度,分析了该方法的严格收敛性,通过多个数据集上的实验结果验证该算法的有效性。

基于工艺约束矩阵的加工序列优化

为了便于识别加工序列是否满足工序优化过程中的相关工艺约束,引进工艺约束矩阵实现了定性约束的转化及加工序列的合法性识别;通过设计相应的转化准则、矩阵检测及修正措施,保证了约束信息转化的可靠性与准确性;提出了用于识别加工序列合法性的匹配算法,并基于约束矩阵,建立了工序优化的数学模型,利用遗传算法实现了工序优化求解,获得了最优/次优的加工序列。实例结果表明,基于约束矩阵的工艺优化不仅能得到最优/次优的工艺,而且运算效率也有所提高。

电磁波测井资料反演中Jacobi矩阵的快速算法及其特性分析

针对采用单发双收探头同时测量相位差和幅度比,测井响应与地层介电常数和电阻率两者都有关的电磁波测井资料反演问题,构造了其反演目标函数Jacobi矩阵J的快速算法.J直接给出了测井响应随地层参数变化的关系,利用J和它转置矩阵JT的有意义乘积J.JT和JT.J可以方便地对在非均质地层中测井响应特征和仪器的探测特性进行考察分析,为测井资料处理方法研究与仪器改进提供依据.