求解非负矩阵分解的有效集BB梯度算法

非负矩阵分解是在非负限制下的一种将一个高维矩阵分解为两个低维矩阵的分解技术。目前,存在的算法大部分是基于乘性迭代算法和交替最小二乘算法。针对交替最小二乘算法的子问题,文中提出了一种有效集BB梯度法,且该算法是全局收敛的。实验结果显示,该算法比投影梯度算法更为有效。     

基于非负矩阵分解的多环芳烃成份识别

从重叠比较严重的混合物三维荧光光谱中恢复单一光谱信号,是光谱解析的难点。考虑到光谱内在的非负性,采用非负矩阵分解的投影梯度和交替最小二乘两种算法,并结合K均值初始化方法,来解析菲、芘、蒽3种芳烃混合物的三维荧光光谱数据,有效避免出现负数的分解结果,提取3种成份的三维荧光光谱,得到计算光谱与对应参考光谱的相似系数均大于0.970。计算结果表明,非负矩阵分解能够克服光谱重叠带来的干扰,有效提取光谱成份,从而实现对菲、芘、蒽的成份识别。其中,交替最小二乘的NMF算法更适合实时在线监测。     

基于约束非负矩阵分解的高光谱图像解混快速算法

约束非负矩阵分解是高光谱图像解混中常用的方法.该方法的求解通常采用投影梯度法,其收敛速度、求解精度和算法稳定性都有待提高.为此,本文针对较优的最小体积约束,提出一种基于约束非负矩阵分解的高光谱图像解混快速算法.首先优化原有的最小体积约束模型,然后设计了基于交替方向乘子法的非凸项约束非负矩阵分解算法,最后通过奇异值分解优化迭代步骤.模拟和实际数据实验结果验证了本文算法的有效性.     

基于NMF和LS-SVM的肖像漫画生成算法研究

提出一种基于非负矩阵分解(NMF)和最小二乘支持向量机(LS-SVM)的肖像漫画生成算法.在训练阶段,利用非负矩阵分解来对夸张特征空间数据降维,运用最小二乘支持向量机(LS-SVM)统计学习夸张漫画与人脸之间的关系,建立形状夸张模型.在应用阶段,利用AAM算法提取人脸特征点,形状夸张模型计算出相应的漫画特征点数据,经过图像变形和风格化即可得到最终的肖像漫画.算法实验表明,该算法可以合理地夸张主要特征并避免过度变形.     

基于交替非负最小平方投影梯度NMF的TINST域图像融合

为了克服现有基于多尺度分解(MSD)的图像融合方 法存在的某些缺陷,增强多模态图像的融合精度,提出了一种平移不变不可分离剪切波交换 (TINST)结合交替非负最小平方投影梯度非负矩阵分解(NMF)的图像融合方法。首先利用TINS T对源图像进行多尺度、多方向分解,得到一个低频子带和多个高频方向子带系数;然后将 低频子带系数看作原始观测数据,采用交替非负最小平方投影梯度NMF算法进行融合,得到 包含特征基的 融合低频子带系数,将高频方向子带系数作为脉冲耦合神经网络(PCNN)的外部输入激励,经 点火处理和判决选择算子选 择,得到融合高频方向子带系数;最后应用逆TINST重构融合后的子带系数,得到融合图 像。采用多组多模态图像进行融合实验,并对融合结果进行了客观评价。试验结果表明,本 文提出的融合方法在主观和客观评价上均优于其他MSD融合方法。     

基于改进的共轭梯度算法实现的最小二乘隐空间支持向量机

本文研究了最小二乘隐空间支持向量机的优化问题．文中采用基于对称超松弛预处理技术改进共轭梯度算法,改进的共轭梯度算法只需求解一个阶数为1-1的线性代数方程组即可,大大节省了计算时间．最后将其应用于最小二乘隐空间支持向量机中建立数学模型,并通过实例验证了该算法的优越性．     

基于四阶累积张量方法的欠定盲源信号分离

针对瞬时欠定盲源信号分离问题,提出一种四阶累积张量分解算法.首先构建观察信号四阶累积协方差,依据源信号具有相互独立且均值为零的性质,对累积协方差化简并扩展到张量域,得到四阶累积张量.采用分层交替最小二乘算法对四阶累积张量进行非负库克分解,求得非负库克模型的参数,同时获得非负混合矩阵并求其伪逆,最终估计出源信号.选用真实的语音信号和生物信号进行仿真实验,结果表明该方法提高了源信号和非负混合矩阵的估计性能.     

改进的非负矩阵分解语音增强算法

本文提出了一种改进的非负矩阵分解语音增强算法,该算法可分为训练和增强两部分。首先,为了降低训练复杂度,采用卷积非负矩阵分解只提取噪声字典。增强时,考虑语音信号稀疏性比噪声信号稀疏性强,通过稀疏非负矩阵分解重构出语音幅度谱,采用交替方向乘子法进行优化迭代,克服了经典乘性迭代易陷入局部最优、分母只能收敛到零极限等问题。最后,基于算法融合的思想,将重构的语音幅度谱与谱减法、最小均方误差幅度谱估计得到的幅度谱进行加权融合。仿真实验中,在10种不同噪声环境中,通过多种评价标准证明所提算法能取得较好的增强效果。      

一种快速非负矩阵分解的人脸识别算法

用于人脸识别的非负矩阵分解算法,虽可提高图像识别率,但因其是通过迭代方法同时计算出基矩阵和系数矩阵,故当迭代次数较多时,计算过程耗时长。文中将二维线性判别分析方法与非负矩阵分解方法融合,提出了一种快速的双边二维非负矩阵分解算法。通过在AR、Ｙale人脸数据库上的实验结果显示,较二维双边非负矩阵分解算法,文中算法不仅使得训练时间大幅减少,而且识别率也有所提高。     

MIMO系统中应用张量分解进行半盲信道估计的算法分析

针对多输入多输出系统半盲信道估计问题,提出一种基于张量分解的半盲联合信号检测和信道估计算法。其思想是利用张量分解的唯一性,对接收信号构造基于张量分解的平行因子模型,并利用正则交替最小二乘算法对信道和发送信号进行联合迭代估计。仿真结果表明:与传统基于导频信道估计方法相比,所提算法只需少量的导频序列即可获得较高的信道估计精度;与已有的交替最小二乘算法相比,所提算法消除了矩阵求伪逆时可能带来的病态问题,收敛速度较快。文章还详细的分析了正则系数和收敛条件等参数对正则交替最小二乘算法性能的影响。      

An Improved Multiplicative Updating Algorithm for Nonnegative Independent Component Analysis

This paper addresses nonnegative independent component analysis (NICA), with the aim to realize the blind separation of nonnegative well‐grounded independent source signals, which arises in many practical applications but is hardly ever explored. Recently, Bertrand and Moonen presented a multiplicative NICA (M‐NICA) algorithm using multiplicative update and subspace projection. Based on the principle of the mutual correlation minimization, we propose another novel cost function to evaluate the diagonalization level of the correlation matrix, and apply the multiplicative exponentiated gradient (EG) descent update to it to maintain nonnegativity. An efficient approach referred to as the EG‐NICA algorithm is derived and its validity is confirmed by numerous simulations conducted on different types of source signals. Results show that the separation performance of the proposed EG‐NICA algorithm is superior to that of the previous M‐NICA algorithm, with a better unmixing accuracy. In addition, its convergence speed is adjustable by an appropriate user‐defined learning rate.     

一种基于约束最小误码率的多用户检测算法

针对多用户检测器误码率函数具有多个局部极小点的缺陷,本文提出一组新的约束条件,在约束的检测器解空间里,误码率函数具有唯一的最小点.同时,本文还提出了一种有效的阻碍共轭梯度算法来求解约束最小点.仿真结果表明,本文的提出的约束最小误码率检测器性能接近理想的线性最小误码率检测器,明显优于最小均方误差检测器.     

不完全非负矩阵分解的加速算法

非负矩阵分解(NMF)已成为数据分析与处理的一种日益流行的方法.当数据矩阵不完全时,可用加权非负矩阵分解(WNMF)来分解矩阵.但是在WNMF算法中,对于给定的搜索方向,步长的选取一般来说不是最优的.本文研究了不完全非负矩阵分解(INMF)问题,提出了加速算法(AINMF).首先,将INMF问题转化为交替地求解两个非负...     

The biconjugate gradient method for electromagnetic scattering

The biconjugate gradient (BCG) method for solving linear systems is shown to be more efficient than the conjugate gradient (CG) method for several examples from electromagnetic scattering. A remedy for the occasional stagnation of the algorithm is proposed. The potential flaw in the BCG algorithm may be avoided when encountered by restarting the algorithm with a perturbed estimate of the solution     

一种堆叠式3D IC的最小边界热分析方法

目前的热分析工具仅仅支持单芯片的热分析,而堆叠式的三维芯片(3D IC)在同一封装中包含多个堆叠的芯片,对芯片的散热和温度管理提出了更高的要求,并且在热分析过程中需要处理复杂的边界条件.本文提出的最小边界法可以准确且有效地处理堆叠式3D IC的边界条件,简化了三维芯片封装的热模型;同时,本文提出在堆叠式3D IC的稳态热量分析中通过将连接点分类、采用预处理矩阵的方法加速整个全局热传导矩阵的求解过程,从而简化热分析流程.实验结果表明:将有限元方法作为基本的热分析方法,用最小边界法处理堆叠式3D IC,可以准确分析芯片的热分布;同时通过高效的预处理矩阵可以减少共轭梯度法求解中90%的迭代次数.     

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。     

Blind Equalization Using a Novel Recurrent Neural Network Training Algorithm

ＢｌｉｎｄＥｑｕａｌｉｚａｔｉｏｎＵｓｉｎｇａＮｏｖｅｌＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋＴｒａｉｎｉｎｇＡｌｇｏｒｉｔｈｍＭａｎｕｓｃｒｉｐｔｒｅｃｅｉｖｅｄＮｏｖ．２１，１９９６．Ｔｈｉｓｐｒｏｇｒａｍｗａｓｓｕｐｐｏｒｔｅｄｂｙｔｈｅ...     

Sparsity induced convex nonnegative matrix factorization algorithm with manifold regularization

To address problems that the effectiveness of feature learned from real noisy data by classical nonnegative matrix factorization method,a novel sparsity induced manifold regularized convex nonnegative matrix factorization algorithm (SGCNMF) was proposed.Based on manifold regularization,the L_2,1norm was introduced to the basis matrix of low dimensional subspace as sparse constraint.The multiplicative update rules were given and the convergence of the algorithm was analyzed.Clustering experiment was designed to verify the effectiveness of learned features within various of noisy environments.The empirical study based on K-means clustering shows that the sparse constraint reduces the representation of noisy features and the new method is better than the 8 similar algorithms with stronger robustness to a variable extent.     

非抽样双树复小波域的BPP-NMF图像融合

提出了一种非抽样双树复小波变换（UDT-CWT）与基于块主元旋转的非负矩阵分解（BPP-NMF）相结合的多聚焦图像融合算法。利用UDT-CWT具有完美的平移不变性及良好的方向选择性,首先对图像进行多尺度、多方向分解并得到低频子带和高频子带系数;然后对低频子带系数采用块主元旋转的非负矩阵分解的融合策略,高频系数则选用高斯加权区域能量与区域标准差一致性选择的融合准则。最后对融合后的系数进行UDT-CWT逆变换得到重构图像。选用多组多聚焦图像进行融合并对融合结果进行主观视觉、客观方面的评价。试验结果表明,该融合算法不仅具有良好的视觉效果,同时在客观评价指标也优于一般的融合策略,验证了该算法的有效性。