基于奇异值分解算法的非接触纱线张力测量

为解决目前接触式纱线张力检测易对纱线运动产生干扰的现状,设计了基于图像处理的非接触式纱线张力测量系统。使用高速相机结合纱线弦振动理论基础和图像处理技术采集运动状态纱线图像信息。利用奇异值分解算法通过视频图像数据降维、重组振动位移提取、迭代去噪等操作获取振幅频率信息。借助快速傅里叶变换将纱线振动时域特性转换为频域特性并绘制频域图及时域图,最后搭建纱线振动监测实验平台检验算法的可行性和可靠性。结果表明:纱线张力和纱线频率具有正相关性,当纱线张力在50~80 cN之间时,通过对比实验得到算法求解的纱线张力与实际测量的张力绝对误差小于10%,可较好地反映纱线实时张力情况。基于机器视觉的非接触式纱线张力具有安装简单,实时性强,精度高等特点,避免了接触式张力测量方法存在的损伤纱线和测量精度受工艺环境干扰等弊端。

一种奇异值分解与子空间加权联合的改进MUSIC算法

在低信噪比、小快拍数等非理想条件下,经典DOA估计算法对邻近目标的分辨率严重下降,甚至失去分辨能力。针对这一问题,提出了一种将重构的接收信号协方差矩阵进行奇异值分解并与改进的加权子空间方法相结合的改进算法。该算法充分利用互相关信息构建新的接收信号协方差矩阵,并对噪声子空间信息采用新的校正方法,对噪声特征值进行改造,之后对噪声子空间进行加权,最后与信号子空间加权技术相联合。仿真实验证明,改进算法在低信噪比和小快拍数条件下可以分辨间隔4°的相邻目标,统计分析表明该算法的分辨率明显优于经典MUSIC算法。

基于奇异值分解算法的电气设备绝缘介损传感信号检测方法

针对信号起伏特性冗余,忽略了双重信号噪声的影响,导致检测结果的绝缘介损因数偏差较大的问题,提出基于奇异值分解算法的电气设备绝缘介损传感信号检测方法。构建时序特征窗口平滑处理原始传感信号,分析处理后传感信号的脉冲与高斯双重噪声,分离重构去除相应噪声值,引入奇异值分解算法将绝缘介质电流传感信号分解出来,解析分解信号的形态波计算得到绝缘介损传感信号检测结果。实验结果表明:所提方法应用后得出的检测结果,表现出的绝缘介损因数偏差较小,检测准确度较高,满足了电气设备绝缘性能运维的实际需求。

基于奇异值分解消噪原理的多通道卷积神经网络算法在石油勘探数据质量控制上的研究与实践检验

在石油勘探中,数据常常受噪声干扰影响,精度和准确性变差,数据的可信度降低,进而影响油气勘探的成效,因此数据处理是油气勘探中的重要环节。奇异值分解(SVD)是一种常用的信号处理方法,能有效降低数据噪声。本文提出的基于SVD的多通道卷积神经网络算法,有针对性地解决石油勘探数据中的噪声问题,为石油勘探数据的消噪和质量的提升提供了新的思路和方法,具有良好的推广应用前景。

大型矩阵奇异值分解的多次分割双向收缩QR算法

针对传统QR(Quadrature Right-triangle)算法在处理某些大型矩阵的奇异值分解时不收敛的本质原因,提出双向收缩、多次分割的解决对策.研究了对奇异值分解精度有重要影响的从左至右、从下至上的非零元素直线驱逐算法,提出了矩阵分割时子方阵首、末行的搜索算法,进而实现了针对大型矩阵奇异值分解的多次分割、双向收缩QR算法.通过实例比较了不分割与多次分割时算法收敛速度的差异,证实了多次分割双向收缩QR算法具有迭代次数少、迭代过程无停滞、收敛迅速等优点,解决了传统QR算法处理某些大型矩阵的SVD时不收敛的问题,对任何大型矩阵都可实现快速SVD运算.

基于奇异值分解的压缩感知噪声信号重构算法

压缩感知是通过对信号信息采样的信号处理新方法,它对可压缩信号可以大大降低采样数据。为提高噪声信号在压缩感知中的重构精度,本文提出了一种基于对观测矩阵奇异值分解的噪声信号重构算法,该算法对随机观测矩阵进行奇异值分解,通过均值算法修改对角矩阵的特征值,产生新的观测矩阵用于线性测量,理论证明了新观测矩阵比原观测矩阵具有更高的重构精度。仿真结果表明,算法重构精度在一维信号提高了3%～5%,二维信号的PSNR值提高1～2 dB。

炉膛三维温度场重建中Tikhonov正则化和截断奇异值分解算法比较

在煤粉锅炉诊断中火焰辐射能图像扮演着越来越重要的角色,通过电荷耦合器件(CCD)获得的辐射能图像可以重建出炉内火焰三维温度场,CCD用于获取视场角内的辐射能图像.温度场重建的矩阵方程是一个严重病态的方程,本文使用两种算法(Tikhonov正则化算法和截断奇异值分解(TSVD)算法)来重建温度场.应用广义交叉检验算法来选取正确的正则化参数.数值模拟的环境为一个10 m×10 m×10 m的三维炉膛,系统被划分为10×10×10的1000个网格,每个网格单元都是边长为1 m的立方体.在正问题求解所得到的CCD接受信号基础上加上不同随机误差以模拟测量时的CCD接受信号.研究两种算法重建后的温度重建误差、两者的重建时间,以及最高温度的重建效果.初步的研究结果显示,一般情况下基于Tikhonov算法重建的温度场比基于TSVD算法重建的温度场误差要小,计算所需时间短,最高温度重建更准确.

基于遗传算法的奇异值分解信号去噪算法

针对奇异值分解信号降噪方法中吸引子轨迹矩阵(Hankel矩阵)结构的确定,以及有效奇异值的选择两个关键问题,提出了一种基于遗传算法的奇异值分解信号去噪算法。首先,利用原始信号构造Hankel矩阵,运用遗传算法对矩阵结构进行优化,然后对含噪声信息的矩阵进行奇异值分解,最后通过K-medoids聚类算法确定有效奇异值个数,对有效奇异值和其对应的向量进行奇异值分解反变换,还原原始信号,达到去噪目的。通过仿真实验并与小波包变换、小波变换以及传统快速傅氏变换(FFT)去噪方法相比较,结果表明该算法具有良好的去噪效果。

一种基于奇异值分解的分层重构算法

以仿射投影来逼近透视投影 ,采用共轭梯度法迭代估计射影深度 ,通过测量矩阵的奇异值分解实现射影重构 .在摄象机内参数已知的情况下 ,求解一个满足欧氏重构条件的 4× 4非奇异矩阵 ,由此矩阵将射影重构变换为欧氏重构 .

基于奇异值分解的半易损水印算法

随着数字图像在报刊杂志、医院、法庭中的广泛应用,越来越需要一种有效的图像认证方法,数字水印技术为上述问题提供了一个潜在的解决方案。本文提出了一种基于分组奇异值分解(SVD)的半易损水印技术, 算法将经过伪随机排序的二值图像通过量化策略嵌入到分组SVD分解中最大的奇异值点,提取水印信号无需使用原始图像.仿真实验表明水印是不可察觉的,可将JPEG有损压缩同恶意攻击区分开来,能够准确地定位被篡改的图像内容。

NMF和增强奇异值分解的自适应零水印算法

针对奇异值分解水印算法导致虚警率高、稳健性不强的问题,提出一种基于分块非负矩阵分解(NMF)和增强奇异值分解(BN-SVD)相结合的自适应零水印算法。首先将原始灰度图像进行二级离散小波变换(DWT),对变换后的二级低频子带(LL2)进行不重叠分块,并对每一个子块进行秩为r的NMF分解;然后对NMF分解得到的特征矩阵采用增强奇异值分解,依据每一个块矩阵的最大奇异值与整体最大奇异值均值的大小关系构成特征向量;利用生成的特征向量与经过Arnold变换与混沌映射双重置乱加密水印图像作异或运算生成零水印,并利用天牛须优化算法(BAS)自适应确定增强奇异值分解中最抗攻击缩放比例的参数β。实验结果表明,在虚警问题上NC值达到0.4以下,JPEG压缩、噪声、滤波、旋转、剪切以及混合攻击下,提取水印图像与原水印图像的归一化系数NC值均可达到99%以上,该方案高效地解决了虚警问题,具有较强的稳健性,能够有效地抵抗各种攻击。

基于奇异值分解的、抗几何失真的数字水印算法

许多现有的适用于图像的数字水印对几何失真都是很敏感的。尤其是此类失真会严重妨碍对水印的盲提取。为此 ,提出了一种基于奇异值分解的数字水印算法 ,它对常见的几何失真是稳健的。此水印是被嵌入到图像分解后的奇异值之中。根据奇异值分解的代数性质 ,严格证明了嵌入了水印的图像在受到转置、镜像、旋转、放大和平移等几何失真后 ,其奇异值是不变的。在经过了上述的几何失真、一般的信号处理操作或 JPEG压缩以后 ,嵌入的水印能够被可靠地提取和检测。

基于奇异值分解的自适应近邻传播聚类算法

针对近邻传播算法无法有效处理高维数据而导致聚类效果不佳的问题,提出一种基于奇异值分解的自适应近邻传播(SVD-SAP)聚类算法.通过引入奇异值分解,对高维数据进行重构、降维,消除冗余信息,并在此基础上采用非线性函数策略,自适应地调整阻尼系数,提高算法的聚类性能.仿真实验结果表明,与已有算法相比,该改进算法聚类精度更高,收敛速度更快.

单向收缩QR算法在奇异值分解中的收敛特性

针对大型矩阵奇异值分解的数值计算问题,总结了单向收缩QR算法的特点,通过实例证明了该算法在处理由某些小幅度信号构造的大型矩阵的奇异值分解时存在不收敛的情况。从理论上分析了QR迭代过程中Givens变换矩阵的变化特点,发现算法出现不收敛现象的根本原因在于大型矩阵首行对角带元素的衰减,最终会使QR迭代时的第一个Givens右矩阵变为单位阵,从而导致后面所有Givens矩阵全部成为单位阵,引起QR算法失效。在此基础上进一步研究了首行元素的衰减对QR算法收敛速度的影响。对理论分析用实际数据进行了验证,从本质上探明了该QR算法的收敛特性。

基于位平面理论和奇异值分解的鲁棒零水印算法

针对灰度图像空域算法中水印鲁棒性较差的问题,提出了一种快速、鲁棒性强的零水印算法,并将该算法用于以数字图像为载体的信息隐藏,以实现水印信息的提取和认证。首先利用位平面(BP)理论将图像解析为不同的位平面层次,构造无权值的位平面矩阵,结合各位平面非零值个数生成图像的特征矩阵;然后对特征矩阵分块操作,利用奇异值分解(SVD)生成块最大奇异值矩阵,并通过对生成矩阵二维混沌加密得到注册零水印信息。仿真实验表明,所提算法具有较强的鲁棒性,在同类算法中对抗椒盐噪声攻击的性能提高了6%,对抗常见混合攻击的性能提高了12%。

基于LU分解和交替最小二乘法的分布式奇异值分解推荐算法

针对当前分布式潜在因子推荐算法存在时间复杂度较高、运行时间较长的问题,文中提出基于LU分解和交替最小二乘法(ALS)的分布式奇异值分解推荐算法,利用ALS利于分布式求解目标函数的特点,提出网格状分布式粒度分割策略,获取相互独立不相关的特征向量.在更新特征矩阵时,使用LU分解求逆矩阵,加快算法的运行速度.在KDD CUP 2012 Track1中的腾讯微博数据集上的实验表明,文中算法在确保一定推荐精度的前提下,大幅提升推荐速度和算法效率.

融合奇异值分解和主分量分析的人脸识别算法

提出了奇异值分解(SVD)和主分量分析(PCA)相结合的人脸识别算法。理论上,当两种数据或分类器具有一定的独立性或互补性时,数据融合或分类器融合才能改善识别率。SVD和PCA之间有着明显的互补之处。PCA在图像表示上是最佳的(在均方差意义上),但敏感于位移、旋转等几何变换。而SVD则具有位移、旋转不变性。因此,将这两种方法相结合就有可能提高分类性能(好于单独的SVD方法和单独的PCA方法)。在ORL数据库上的实验表明,SVD和PCA相融合的识别方法的确提高了人脸识别率。

基于四阶奇异值分解的推荐算法研究

三阶奇异值分解推荐算法可以综合考虑用户、物品标签和物品三部分信息,挖掘三者之间的潜在关系进行推荐,然而该方法并没有引入其他方面的有效信息,如用户情感。为了考虑更多维度的信息,本文在三阶奇异值分解推荐算法的基础上,提出了一种加入用户情感信息的四阶奇异值分解推荐算法。该方法基于从评论中的emoji表情提炼出的用户情感偏好,再引入四阶张量模型,存储用户、用户情感、物品标签和物品四元组数据,应用四阶奇异值分解,从而进行个性化推荐。在某在线互联网教育的实证数据集上的实验结果表明,该方法比三阶奇异值分解推荐算法以及传统推荐算法在准确率和召回率性能指标上都有明显提升,其中进行Top-1推荐时,准确率和召回率可以达到0.513和0.339。本文的工作为移动通信端的个性化推荐提供了借鉴。

一种基于奇异值分解的舰船辐射噪声目标识别算法

本文针对舰船辐射噪声目标识别问题,提出了一种基于奇异值分解(SVD)的辐射噪声爿标识 别算法。该算法充分利用了不等权值SVD的空间滤波作用,来消除辐射噪声中复杂的干扰成分;结 合二阶累积量谱进行特征分析及提取;然后根据所要解决的实际问题,设计了合适的概率密度函数, 并对其进行训练,作为识别模板;进而根据距离分类准则设计了分类函数,以完成识别分类。运用实 际的舰船辐射噪声数据,进行了仿真实验,结果表明了本文算法的可行性和有效性。

应用奇异值分解算法的核磁共振测井解谱方法

由于核磁共振测井数据的信噪比很低 ,能否很好地降低噪声的影响成为核磁共振测井解谱方法有效与否的关键因素。本文介绍了在解谱中将特征矩阵进行奇异值分解 ,然后截去小的非零奇异值的方法 ,以增加特征矩阵的稳定性 ,从而保证数据在低信噪比时仍然可以得到稳定的弛豫频谱。本方法在实际应用中取得了很好的效果。