多先验融合的图像显著性目标检测算法

为了更加准确地检测出图像中的显著性目标，提出了多先验融合的显著性目标检测算法。针对传统中心先验对偏离图像中心的显著性目标会出现检测失效的情况，提出在多颜色空间下求显著性目标的最小凸包交集来确定目标的大致位置，以凸包区域中心计算中心先验。同时通过融合策略将凸包区域中心先验、颜色对比先验和背景先验融合并集成到特征矩阵中。最后通过低秩矩阵恢复模型生成结果显著图。在公开数据集MSRA1000和ESSCD上的仿真实验结果表明，MPLRR能够得到清晰高亮的显著性目标视觉效果图，同时F，AUC，MAE等评价指标也比现有的许多方法有明显提升。     

子空间方法盲多用户检测技术分析与探索

着重分析了基于子空间跟踪的盲线性多用户检测算法 ,并对其内部算法模块进行了仿真比较 ,最后对算法性能改善方法提出了自己的新思路     

非径向对称随机向量的研究

本文利用过定点的Copula的最佳上、下界,构造了4个奇异Copula;证明了任意Copula与其生存Copula差的绝对值的上确界是三分之一;给出了度量随机变量非径向对称的方法;研究了最大非径向对称随机变量的性质及相关性度量的界。     

Stochastic矩阵的显式

本文借助于线性方程组的理论讨论了在工程技术领域中起着广泛应用的ｓｔｏｃｈａｓｔｉｃ矩阵及其显式表示。     

F_q上矩阵秩的概率分布及其渐近性质

本文给出了Ｆｑ（ｑ为素数）上ｋ×ｎ随机矩阵秩的概率分布，并详细讨论了方阵和高矩阵这两类特别重要的矩阵的秩分布，揭示了这两类矩阵秩分布的渐近性质。     

完全判别分析

针对现有的线性判别分析算法中存在的降维舍弃空间的判别信息丢失问题,以及秩空间和零空间的判别信息难以兼顾的问题,本文提出了一种完全判别分析算法.算法通过新构建一个子空间以及其中的判别矩阵,实现了可以充分使用全空间的判别信息;且新空间的维数较低,算法流程简单,计算代价较小.相关实验结果证实了本文算法较传统判别分析算法有更好的性能和效率.     

基于旋转块的BM3D图像去噪改进算法

针对经典BM3D去噪算法中存在的相似块匹配误差较大及对图像细节保护不足的问题,提出了一种基于旋转块的BM3D图像去噪改进算法.新算法首先对参考块进行不同角度的旋转获取旋转块,通过旋转块进行相似块匹配过程;然后使用低秩正则化来代替传统算法中的硬阈值滤波;最后,对结合旋转块匹配与低秩正则化的BM3D算法进行自适应调整,从而改善在均匀图像区域中的去噪效果.实验结果表明,新算法的相似块匹配程度更高,峰值信噪比相较于经典算法平均提升0.5 dB,有效保留图像边缘和纹理细节.     

基于路由标记的分布式信息检索

文章对分布式信息检索中通常采用的洪泛策略进行分析,发现其容易重复转发相同消息,导致产生大量冗余通信,造成网络拥塞等问题。提出采用基于路由标记的分布式信息检索策略,以减少冗余消息的产生并避免网络拥塞,最后以实例进行两种策略的对比分析,并通过理论推导证明了后者的有效性。     

结合Transformer的轻量化中文语音识别

近年来,深度神经网络模型在语音识别领域成为热门研究对象。然而,深层神经网络的构建依赖庞大的参数和计算开销,过大的模型体积也增加了其在边缘设备上部署的难度。针对上述问题,提出了基于Transformer的轻量化语音识别模型。首先使用深度可分离卷积获得音频特征信息;其次构建了双半步剩余权重前馈神经网络,即Macaron-Net结构,并引入低秩矩阵分解,实现了模型压缩;最后使用稀疏注意力机制,提升了模型的训练速度和解码速度。为了验证模型,在Aishell-1和aidatatang_200zh数据集上进行了测试。实验结果显示,所提模型与Open-Transformer相比,所提模型在字错误率上相对下降了19.8%,在实时率上相对下降了32.1%。