快速NMF盲源分离算法

将秩一非负矩阵分解应用于盲源分离问题,把基于欧式距离的目标函数转化成二次函数的形式;施加稀疏性约束和正交性约束保证信号可分离性;利用二次函数的性质分别推得混合矩阵和源信号的迭代公式,从而得到一种基于秩一分解的快速NMF盲源分离算法(NMF-R1)。分析得到一次迭代更新NMF-R1算法比传统NMF盲源分离算法(NMF-BM)所需乘法次数少约30%,NMF-R1算法无矩阵求逆运算,NMF-BM算法还需2次矩阵求逆运算。图像信号的超定和欠定盲源分离仿真结果表明,NMF-R1算法都能分离出源信号,NMF-BM算法只能分离超定混合信号;NMF-R1算法与NMF-BM算法相比,分离性能好、收敛速度快。

基于会话时序相似性的矩阵分解数据填充

针对已有数据填充方法只考虑评分信息和传统相似性,无法捕获用户间真实相似关系的问题,提出了基于会话时序相似性的矩阵分解数据填充方法来缓解数据稀疏性、提高推荐精度。首先,分析了传统相似性的缺陷,并根据时序相似性和相异性提出了基于会话时序相似性度量,它结合了时间上下文和评分信息,能更好地捕获用户间的真实关系,从而识别近邻;接着,根据目标用户的近邻及其消费的项目抽取了具有用户和项目潜在影响因素的待填充的关键项目集合,并利用矩阵分解填充关键项目集合;然后,利用隐含狄利克雷分布(LDA)抽取用户在每个时间段内的概率主题分布,并利用时间惩罚权值建立用户动态偏好模型;最后,根据用户间概率主题分布的相关性和基于用户的协同过滤完成项目推荐。实验结果表明,与其他数据填充方法相比,基于会话时序相似性的矩阵分解数据填充方法在不同稀疏度下都能降低平均绝对误差(MAE),提高推荐性能。

基于频域联合稀疏模型的麦克风阵列移动声源定位

针对实际应用中移动说话人场景,相邻语音帧之间的空间相关性急剧下降会导致声源定位估计性能下降的问题,提出利用语音频点间的空间相关性进行频域联合稀疏估计,从而提高声源移动条件下的声源定位性能.实验结果表明,频域联合稀疏的波达方向(direction of arrival,DOA)估计算法在移动说话人场景中,性能优于传统定位算法和基于压缩感知(compressed sensing,CS)的正交匹配追踪算法.

一种基于半监督稀疏保持投影的人脸识别新方法

针对现实生活中同时存在的无标签样本与标签样本的问题,将稀疏保持投影算法拓展到半监督框架上,提出了一种新的半监督稀疏保持投影算法,实现所有标签样本的充分利用,以保持标签样本给投影子空间的判别能力,建立样本的空间分布信息,提高了人脸识别的精确度。通过(Carngie Mellon University,CMU)人脸数据集对半监督稀疏保持投影算法的有效性进行了验证,结果表明该算法具有较好的人脸识别效果,降低了人脸识别的时间复杂度,提高了人脸识别的精度。