基于磁偶极子的2阶磁场梯度张量缩并方法

针对磁场定位中2阶磁场梯度张量的理论尚不够完善的现状,提出基于磁偶极子的2阶磁场梯度张量缩并方法。给出2阶磁场梯度张量的全局模量和局部模量计算公式,分析2阶磁场梯度张量的全局模量和局部模量及相关参数的三维空间分布规律,并给出相关参数k_(H)、k_(Hxy)和k_(Hz)的近似计算公式,比较1阶磁场梯度张量和2阶磁场梯度张量及其模量的分布规律及与距离的关系。计算结果表明:全局模量C_(H)及参数k_(H)值在0°≤≤90°时,随着增大而减小,在=0°时最大,在=90°时最小;局部模量C_(Hxy)和参数k_(Hxy)值在0°≤≤90°时,随先增加、后减少,当=35°时最大,当=90°时最小;局部模量C_(Hz)和参数k_(Hz)随先减少、后增加,当=0°时最大,当=71°时最小;k_(H)、k_(Hxy)和k_(Hz)的拟合值与理论反演值高度吻合;在距离较近时,2阶磁场梯度张量及模量更敏感;在距离较远时,1阶磁场梯度张量及模量更敏感;在实际磁场定位的应用中,可结合1阶和2阶磁场梯度张量及全局模量进行使用。

基于二维判别典型相关分析的人脸识别算法

本文提出了一种新的基于典型相关分析的人脸识别算法,叫做二维判别典型相关分析(2D-DCCA)。该算法将2阶张量的概念引入了典型相关分析方法中。传统的典型相关分析方法中,样本是用高维的向量表示的,不仅计算量大,而且常常出现内存不足,协方差矩阵有奇异性等问题。本文算法不仅将样本的向量表达改为矩阵表达,并且充分利用样本的类内和类间信息来优化目标函数,从而使得该算法获得了诸多优点:首先,使得学习出的子空间维数降低,从而计算量和计算时间都大大减少;其次,有效地避免了协方差矩阵的奇异性问题;最后,由于目标函数的优化利用了样本的类信息,从而更有利于最邻近分类器进行判别。实验表明,在人脸角度变化时,该方法具有稳定的识别性能。

Second Order Parallel Tensors on Quasi-constant Curvature Manifolds

The author establishes in this paper the following results: (1) In a quasiconstant curvature manifold M a parallel tensor of type is constant multiple of the metric tensor. (2) On a quasi_constant curvature manifold there is no nonzero parallel 2_form. Unless the Ricci principal curvature corresponding to the generator of M is equal to zero.