基于NMF初始化的非负双奇异值分解算法分析

随着大数据技术的发展,非负矩阵分解(NMF)日益成为目前最流行的模式识别方法之一,并广泛应用于文档聚类、图像处理、人脸识别、信号分析等多个领域。针对NMF中双因子矩阵的初始化问题,对非负双奇异值分解算法进行分析,数值实验表明该算法可以快速降低众多基于NMF衍生算法的近似误差。

SVD分解在口腔手术机器人手眼标定中的应用

口腔手术机器人手眼标定精度直接影响口腔手术机器人的工作精度。针对固定视点的口腔手术机器人,提出一种基于SVD分解的手眼标定算法,该算法无需采集姿态信息。通过纯平移运动,采集若干对坐标点计算旋转矩阵,而后通过纯旋转运动,采集若干对坐标点计算平移向量,从而完成手眼标定。在双目视觉位置定位精度为0.12 mm、机器人位置定位精度为0.1 mm、两者姿态定位精度均不定的条件下,实物实验结果表明:该算法标定平均误差的旋转部分在4 mrad以下,平移部分在0.411 mm以下,可满足口腔手术机器人手眼标定的精度要求。

基于非负矩阵分解的图案织物疵点检测

利用距离匹配函数确定图案的周期,并以周期大小的图像块为检测样本。利用非负矩阵分解方法得到图像块的系数矩阵,并将系数矩阵转换为系数特征,并根据正常样本确定标准系数特征和相似准则。对比测试样本的系数特征和标准系数特征,根据建立的相似准则判定图像块是否包含疵点,完成织物疵点定位。在非负矩阵分解的过程中,采用非负双重奇异值分解初始化的方法减少矩阵分解的迭代次数。多种图案织物检测结果表明,提出的方法能够准确检测出织物是否包含疵点,准确率在96%以上。

非负迭代截断奇异值纳米颗粒粒度分布反演算法

截断奇异值分解法能够反演纳米颗粒的粒度分布，但通常难以确定其最优截断参数。在分析截断奇异值算法的基础上，提出非负迭代截断奇异值算法来获取纳米颗粒的粒度分布，并对选取截断参数的L-曲线准则进行了修正。实验结果表明，利用二次截断L-曲线准则选取最优截断参数，使用非负迭代截断奇异值反演算法，能准确地表征单峰分布的颗粒粒径大小及粒径分布，所求平均粒径相对误差小于3％。