多特征融合的兴趣点推荐算法

基于位置社交网络的兴趣点推荐越来越受到工业界和学术界的关注。由于用户签到数据集的稀疏性以及签到地理位置的聚集性，使得目前的推荐算法效率普遍不高，特别是当用户外出到新的地点时，推荐效果更是急剧下降。因此本文提出了一种基于用户-区域-内容主题的多特征联合推荐算法（UCRTM），以隐主题模型为基础，在统一的框架下利用隐含因子关联性融合了用户的偏好、兴趣点的内容以及兴趣点所属地理区域主题等信息来进行推荐，使得用户无论身处何地，都能获得理想的推荐服务。本文在两种真实的数据集上进行了实验，结果表明该方法不仅能够克服数据的稀疏性以及弱语义性等问题，而且与其他方法相比具有更高的推荐准确率。     

基于稀疏约束贝叶斯估计的相对波阻抗反演

地震道积分是一种利用地震资料进行的无约束反演技术,可以方便地得到地层的相对波阻抗,但采用稀疏反演的反射系数递推反演相对波阻抗,横向连续性差、可用性低。给出了一种基于稀疏约束贝叶斯估计的地震相对波阻抗反演算法,即在反射系数Cauchy概率分布稀疏约束下,基于贝叶斯最大后验概率估计,采用预条件共轭梯度法估计地震子波和反射系数,从而得到高分辨率的反褶积结果,进而得到高分辨率的相对波阻抗剖面。利用理论模型和实际数据对算法进行了验证,结果表明:基于稀疏约束贝叶斯估计的相对波阻抗反演方法可行;与直接法稀疏反演相比,预条件共轭梯度法稀疏反演精度高、收敛快、数值计算稳定。     

一种欠定盲源分离中混合矩阵的估计方法

欠定盲源分离问题中基于源信号稀疏性的两阶段法中,混合矩阵估计的准确与否,直接影响源信号的恢复效果。文中提出了一种在稀疏域估计混合矩阵的新方法。该方法通过搜索稀疏域中同一直线附近的点,利用这些点重构出混合矩阵,避免了远离直线周边的点对估计混合矩阵的干扰,从而大大降低了计算量。仿真表明该算法性能良好。     

L1 Graph联合转换学习多观测样本分类算法

不同分布多观测样本分类问题中,训练样本和测试样本来自不同的域,针对如何利用转换学习提高不同分布多观测样本分类性能问题,提出L1 Graph联合转换学习的多观测样本分类算法。首先基于转换学习构建一种非负矩阵三因子分解框架,将其中不变信息作为源域到目标域的转换桥梁;其次,基于稀疏表示思路构造L1 Graph,自适应寻找数据近邻,保留样本及特征几何结构;最后,将两个互补目标函数联合到统一优化问题中,然后利用迭代算法解决优化问题,进而估计出测试样本类别。在USPS Binary数字数据库、Three Domain Object Benchmark数据库和ALOI数据库上进行对比实验,实验结果表明该方法的有效性,既提高了识别精度又保证了算法鲁棒性。     

基于Curvelet变换的多次波去除技术

本文基于波动方程的自由表面多次波压制预测减去法,采用近期迅速发展的多尺度变换系统中的Curvelet变换替代减去法,收到了较好的效果。该变换具有最优稀疏约束条件,能使一次波在一组基函数上的投影能量尽可能小。其主要实现过程为:对地震记录数据进行Curvelet变换,以预测多次波的Curvelet域的系数为阈值,采用类似去噪的手段去除多次波。该方法能满足去除多次波过程的能量最小准则。文中在Curvelet算法数值实验中尝试了先把地震记录做Radon变换,并用Curvelet阈值法减去Radon域的多次波,再把去除了多次波的数据做反Radon变换即为多次波去除结果。数值实验结果表明,在Radon域进行Curvelet变换去除多次波的效果更好,并能更好地保留一次波的能量。     

MATLAB在通信系统仿真中的若干应用

在通信系统的设计与仿真中经常会碰到一些相似的基本问题，它们都可以建立相似的数学模型，并且用数学工具或仿真工具加以解决。文中以实际项目中3个不同的通信系统模型为例，说明了建立数学模型的过程并具体阐述了如何利用MATLAB设计语言所提供的各种函数加以实现。     

基于小波变换和稀疏成分分析的盲图像分离法

针对图像信号不满足稀疏性条件,不能直接用稀疏成分分析模型进行盲分离的现象,提出一种基于小波变换和稀疏成分分析的盲图像分离法. 利用小波分解将混合图像从空域转化到频域,获取混合图像高频对角分量,在频域空间利用线性聚类稀疏成分分析法估计混合矩阵,进而最终重构源图像. 实验结果表明,该方法能准确有效地提取源图像. 目视结果及相关系数分析结果均表明,与经典独立成分分析法(FASTICA)相比,该方法分离精度高,分离效果好.      

基于欠定盲分离的多目标微多普勒特征提取

连续波雷达多目标回波中多种微多普勒特征分离问题采用独立成分分析方法实现,该方法在使用中存在较大局限性,要求待分离的微多普勒特征之间必须是统计独立的,且仅局限于恰定和超定的方程组求解问题。然而,在多目标雷达观测场景下,雷达接收的混叠回波的个数通常少于目标的个数,各目标的微多普勒特征可能存在相关性。为此,提出了一种基于欠定盲分离的多目标回波微多普勒特征分离方法。该方法可以从少数原始混叠回波中分离出多个目标的微多普勒特征,对待分离的微多普勒特征限制性弱。通过数值仿真,证实了该方法的可行性。     

改进仿射投影算法及其在电子回声消除中的应用

在电子回声消除应用中,为提高自适应算法的收敛速度,提出一种改进的仿射投影算法及其快速实现形式.新算法利用回声路径的稀疏结构特征,通过收敛步长控制矩阵,按滤波器各系数幅值大小,等比例地为其指定相应收敛步长,以加快大系数收敛,最终达到加快滤波器整体收敛速度的目的.对新算法进行的统计学分析,为其快速收敛于目标系统的算法特性提供了理论依据.仿真实验表明与传统自适应算法相比,新算法能减小稳态失调并大幅提高收敛速度,其低计算复杂度亦保证了系统的实时性.     

弱稀疏性下的欠定语音盲分离方法

针对语音信号的弱稀疏性,提出一种新的基于混合矩阵估计的欠定语音盲分离方法。该方法通过主成分分析检测只有一个源信号存在时的时频点并用于估计混合矩阵,从而克服语音信号稀疏性变弱时的影响,提高混合矩阵估计精度。结合子空间法重构源信号,进一步提高分离性能,并从几何角度证明子空间方法,仿真结果表明该方法的分离性能优于Cluster-UBSS,且鲁棒性更好。