基于聚类和SVD算法的模糊逻辑系统结构辨识

为了研究模糊逻辑系统新的结构辨识方法, 提出采用基于山峰函数的减法聚类算法构造模糊逻辑系统的初始结构, 并利用奇异值分解(SVD)算法分析了模糊规则与奇异值、累积贡献率以及索引向量的关系, 从而实现了模糊逻辑结构的优化. 最后, 对该算法的可行性和有效性进行了仿真验证和性能比较, 取得了较好的效果.     

Methods of computing weighted pseudoinverse matrices with singular weights

Three iterative processes are constructed and investigated for computing weighted pseudoinverse matrices with singular weights and ML-weighted pseudoinverse matrices. Two of them are based on the decompositions of the weighted pseudoinverse matrix with singular weights into matrix power series, and the third is a generalization of the Schulz method to nonsingular square matrices. Translated from Kibernetika i Sistemnyi Analiz, No. 5, pp. 150–169, September–October, 1999.     

相关数据集的最小二乘处理方法

数据的最小二乘处理可以归结为求解线性方程组Ａｘ＝ｂ，不论在何种情形下（常定，超定或欠定），它都有最小二乘意义下的最优解．这要求数据矩阵Ａ的相关矩阵的逆矩阵存在，即欠定增况下的ＡＡＴ或超定情况下的ＡＴＡ是满秩的．对于降秩的ＡＡＴ或ＡＴＡ的情况，文中提出用奇异值分解的方法求其矩阵伪逆，使数据的最小二乘处理适应于相关数据集的处理．同直接对数据矩阵Ａ进行奇异值分解求ＡＸ＝ｂ的最小二乘解相比，本文提出的方法只需对阶数较低的对称方阵进行分解，可在微机上实现高维数据的处理．     

一种图像数据库聚类与归类方法研究

为克服目前图像库浏览系统存在的效率低和交互性差等缺点,提出一种新的图像库聚类与归类方法.采用随机抽取图像特征矩阵的列和网格划分矩阵的行,求图库特征的近似最优稀疏矩阵.对此矩阵进行奇异值分解,以实现高维图像特征库降维;然后采用密度估计技术和爬山策略,定义和提取图像数据库的聚类以及归类.实验表明,该方法比其他方法交互性好、速度快,具有对噪声数据不敏感等优点.     

基于奇异值分解的机器人工具坐标系标定

机器人通过在末端安装不同的操作工具来完成各种作业任务,而工具参数的准确度直接影响着机器人操作精度,因此研究一种准确、快速的工具坐标系标定方法具有重要的意义。该文提出一种称为三点五步法的机器人工具坐标系标定方法,并基于矩阵的奇异值分解理论对该标定方法进行了严密的数学推理,证明该标定方法理论上的可行性。采用该算法进行工具坐标系标定具有操作简单、标定精度高、可靠性强和算法易于程序实现的特点。     

A new steganography algorithm using polar decomposition

Nowadays, the security of communication becomes very important with the rapid development of network technology. So, the transmission and distribution of the several digital information must be protected and secured against other users. Many steganography techniques have been proposed for embedding secret digital data in other digital data. In this article, we propose a new steganography algorithm based on a linear algebraic tool that is the polar decomposition (PD) for hiding secret data in an image. A host image is selected and divided into blocks of size 2 × 2, a PD is applied on each block, and the secret data are embedded in suitable blocks. Experimental results show that our proposed algorithm gives a higher hiding capacity, achieves good imperceptibility, and also provides a high degree of security against common types of attacks such as compression attack with quality 10%, gamma correction attack, and impulse noise attack.     

基于奇异值分解和数据融合的脸像鉴别

提出了一种基于奇异值分解和数据融合的脸像鉴别方法,该方法首先利用奇异值分解方法,求出脸像矩阵的奇异值航奇异值向量,分别利用所求得的奇异值向量作为特征矢量进行脸像同基于奇异值和重建误差的鉴别结果,此结果以隶属度函数方式表示,将上述鉴别结果用ＬＯＧＩＳＴＩＣ回归方法进行融合,得出更为准确的脸像鉴别结果,该方法克服了“小样本”效应并引入 负样本学习过程,提高了正确鉴别率,利用ＯＲＬ人脸数据库进行实验,实     

基于聚类和SVD算法的解释性模糊建模方法

提出了一种基于减法聚类算法构造解释性模糊模型的方法。首先指出模糊模型解释性的重要地位,分析影响解释性的主要因素;然后利用减法聚类算法辨识初始模糊模型,SVD算法和集合非冗余度约简初始模糊模型,从而提高其解释性;最后采用约束优化算法整体优化模型,提高其精度。PH值中和过程的模糊建模验证了该方法的有效性。     

基于SVD的灰度水印单色通道嵌入算法

为了更有效地进行多媒体数据的版权保护,提出了一种在真彩色宿主图像中利用奇异值分解实现的灰度水印嵌入的鲁棒算法。该算法首先利用奇异值的特征来对灰度水印图像进行编码预处理,编码后的水印信息存储为二值数字序列,并选择视觉掩蔽性高的宿主图像区域进行隐藏。为了保证水印的不可察觉性,该水印算法先提取宿主图像RGB彩色空间中的蓝色通道分量,然后选择其中具有高活动因子的图像分块作为水印的嵌入区域。用该算法对灰度水印图像进行处理,不仅实现了水印的盲提取,而且在保证隐藏灰度水印大容量生动信息的同时,对宿主图像的视觉效果影响很小。实验结果表明,该水印算法不仅较传统方法有更高的鲁棒性,而且灰度水印图像的提取结果受常见的图像处理攻击操作的影响非常小。     

基于奇异值分解的可分离压缩成像方法

可分离压缩传感可以通过一定比例的额外测量有效地解决压缩成像问题中面临的测量矩阵维数过大的瓶颈. 但是现有可分离压缩传感(separable compressive sensing, SCS)方法需要2个可分离的测量矩阵都必须是行归一化后的正交随机矩阵,其显著地限制了该方法的应用范围. 将奇异值分解(singular value decomposition, SVD)方法引入可分离可压缩传感测量过程,可以有效地实现测量矩阵和重建矩阵的分离：在感知阶段可以更多地考虑测量矩阵物理易于实现的性质,如Toeplitz或Circulant等确定性结构的矩阵;在重建阶段,更多地考虑测量矩阵的优化.通过引入奇异值分解对重建阶段的测量矩阵进行优化,可以有效地改善重建性能,尤其是Toeplitz或Circulant矩阵在大尺度图像的压缩重建情形.数值实验结果验证了该方法的有效性.     

一种改进的基于W-SVD的水印算法

在水印算法中用奇异值分解可以提高图像的抗几何失真性,但它对椒盐、高斯、滤波等攻击的抵抗能力却很弱.对原有的基于SVD的水印算法进行改进,提出基于W-SVD的水印算法,即在小波分解的基础上进行奇异值分解.实验证明,改进后的水印算法在保持强的抗几何失真性的同时对椒盐、高斯、滤波等攻击的鲁棒性也有提高.     

基于SVD的成长性人脸识别研究

为提高人脸识别率,设计了基于SVD的成长性人脸识别方法.该方法将人脸识别从图像扩充到视频领域,通过不同尺度对人脸进行划分和特征提取,从而得到人脸的多尺度特征,分层次进行多尺度特征匹配,利用特征的可分辨度对各帧特征进行比较,并通过对应位置寻优累积特征,使人脸识别具有成长性.实验结果表明,基于SVD的成长性人脸识别方法通过一定的时间累积可以达到100%的识别率,具有良好的应用价值.     

基于改进RX算法的高光谱异常检测

针对RX算法中局部背景协方差矩阵估计的局限性,提出一种改进的RX (I-RX)异常检测算法。基于奇异值分解(SVD),将高光谱图像投影到背景的正交子空间上,获得仅包含噪声和异常的残留图像。在此基础上,通过计算各样本的空间秩深度将残留图像划分为噪声背景和潜在异常两个样本集,利用噪声背景集估计整幅图像的背景协方差矩阵,并将潜在异常集作为测试样本进行异常检测。对模拟数据和真实高光谱数据进行了实验仿真,ROC曲线表明,在相同的虚警概率下,I-RX算法的检测概率相较于RX平均提高了2倍左右。     

一种新颖的宽带短波探测系统音频干扰抑制算法

短波信道音频干扰分布密集,导致宽带短波探测系统接收信噪比严重恶化.针对传统奇异值分解(Singular value decomposition,SVD)滤波方法损失了干扰频率处的有用功率,对信道参数的高精度提取造成了不利影响.本文深入分析了SVD滤波内部机理,推导得到SVD滤波的解析表达式,并由信号加噪声子空间得出有用功率的鲁棒估计,进而提出了一种新颖的基于功率补偿的音频干扰抑制算法.仿真与实测数据处理结果表明,该算法不仅实现了干扰抑制,而且有效减小了抑制产生的信号损伤,对于短波电离层信道参数的高精度提取具有特殊意义.     

基于奇异值分解的自嵌入图像认证水印算法

提出了一种新颖的用于图像认证的自嵌入水印算法,在图像奇异值分解(SVD)域的U分量中提取图像特征信息生成水印,水印嵌入在SVD域的D分量中,水印的生成和嵌入都在图像本身中进行,图像认证时不需要原始图像和任何有关水印的附加信息,从而提高了水印的安全性和保密性。实验结果表明,该算法能很好地将对图像内容的恶意篡改和常规的图像处理区分开,并给出内容篡改的位置。     

最大奇异值移位的鲁棒图像信息隐藏

为了提高图像信息隐藏的鲁棒性和不可感知性,提出了一种基于图像块最大奇异值移位的鲁棒信息隐藏算法.算法首先对图像分块并对每个图像块进行奇异值分解,根据图像块最大奇异值的大小选择合适的阈值,并对图像块的最大奇异值进行区间划分,通过将最大奇异值移位到与秘密信息比特相对应的区间实现秘密信息的嵌入.实验结果表明,该算法具有较大的嵌入容量,且在嵌入相同大小的秘密信息时与其他同类算法相比,具有更好的图像视觉质量和鲁棒性.该算法更能适应噪声环境下的信息隐藏.     

基于CT-SVD彩色图像盲水印方案

介绍了采用Contourlet变换的多尺度性、多方向性和SVD分解的稳定性特征对彩色图像嵌入数字水印的方法.先将RGB空间彩色图像转换为YUV空间,对明亮度分量Y进行Contourlet变换得到不同尺度不同方向上的系数,然后为了满足水印的不可见性和稳健性,对低频系数进行分块SVD分解,根据二值水印值修改左奇异矩阵U.     

混合总体最小二乘的迭代解算算法

总体最小二乘估计能够同时顾及线性模型中系数矩阵[WTHX]A和观测向量L的 误差,平差理论相对更为严密。如果系数矩阵[WTHX]A[WTBZ]的部分元素没有误差,这种总体最小二乘模 型为混合总体最小二乘模型。针对混合总体最小二乘(Least squares total least squares, LS TLS)解算问题,应用测量平差中 的 原理和方法,推导了混合总体最小二乘的迭代逼近解算公式,通过与奇异值分解法分析比较 ,分析了两种解算方法具有等价性,最后通过实验数据分析得出迭代算法的有效性 和合理性。     

一种基于混沌置乱和SVD的小波域盲水印算法

提出了一种基于混沌和奇异值分解相结合的数字水印算法.该算法对原始图像做离散小波变换后得到4个子带,并将低频子带(LL1)分成互不重叠的8×8分块,然后对每一块做奇异值分解,将混沌置乱后的水印信息嵌入每块中最大的奇异值中.实验结果表明,该算法具有较好的不可见性、鲁棒性和安全性.     

基于SVD 方法的简约型区间二型模糊模型构建

针对奇异值-QR分解方法存在有效奇异值难以确定的问题,采用奇异值分解方法分析从区间二型模糊模型抽取的两个激活强度矩阵,提出了奇异值归一化差值的概念以描述相邻奇异值的变化情况,从而反映了重要规则和冗余规则在奇异值变化上的本质差异;进而根据其临界点确定有效奇异值个数,并利用QR分解得到有效奇异值所对应的重要规则构建简约型区间二型模糊结构。仿真实例验证了所提出方法的有效性和可行性。