基于奇异值分解的广义系统迭代学习控制算法

在对广义系统进行奇异值分解的基础上,研究了一类广义系统的迭代学习控制问题。针对快子系统和慢子系统的特点,分别利用状态误差代入输出误差,得到了一类新的广义系统迭代学习控制算法结构,这一算法是全新的。然后从理论上对所提出的算法进行完整的收敛性分析。分析结果表明,满足给定的收敛条件,系统输出可以渐近地跟踪给定的期望轨迹。     

一类非线性信号去噪的奇异值分解有效迭代方法

对于一类非线性信号的去噪问题,该文提出一种基于奇异值分解(Singular Value Decomposition, SVD)的有效迭代方法。对现有奇异值差分谱方法在两类不同非线性信号上的去噪效果进行了对比,指出在信号不具有明显特征频率、非周期性变化时这一方法并不适用,并分析了现象产生的原因;然后针对该类信号的特点重新定义了Hankel矩阵结构,给出有效奇异值的确定方式,并通过SVD多次迭代过程实现对该类信号的有效去噪。对实际飞行数据去噪的实验结果表明,该方法对提出的一类信号对象不仅去噪效果良好,而且可提高运算效率。     

基于奇异值分解的图像匹配方法

传统的图像匹配方法中, 由于实时图和参考图之间存在着灰度差异和几何形变,仅用灰度作为特征进行匹配算法的性能很容易受到影响。文中提出了一种基于奇异值分解的图像匹配方法。该方法首先利用奇异值分解方法,求出模板图像矩阵的奇异值及奇异值向量,用它们作为模板图像的特征代替传统算法中的灰度对两幅待匹配图像进行全局搜索定位。由于奇异分解方法所特有的优越性,匹配实验取得了良好效果。实验结果验证了该方法的有效性。     

延拓矩的奇异值分解

本文从普通奇异值分解出发,导出了具有行或列对称结构的矩阵（即延拓矩阵）的奇异值和奇异向量与原矩阵（变称母矩阵）的奇异值和奇异向量的定量关系,并对延拓矩阵进行了简单的扰动分析。理论分析和数值实验的结果表明,就一大类延拓矩阵而言,仅用母矩阵进行奇异值分解不但可以节省计算量和存储量,而且不影响任何数值精度。     

奇异值分解算法优化

奇异值分解算法在信号处理、图像处理、信息安全等领域均有重要应用.针对该算法存在的性能问题,提出了基于gamma:1驱动的数据重用模型,提高计算负载平衡性,降低数据通信量;给出基于多处理器的并行分解模型,数值试验均表明算法具有较高的并行加速比和效率.     

基于奇异值分解的图像去噪

提出了利用奇异值分解去除图像噪声的方法。从矩阵的角度出发,通过对图像矩阵进行奇异值分解,将包含图像信息的矩阵分解到一系列奇异值和奇异值矢量对应的子空间中,然后通过有效奇异值重构图像矩阵达到去噪目的。试验利用MATLAB通过对MRI(核磁共振)医学图像进行去噪处理,验证了奇异值分解的去噪效果,并且通过对多幅图像的试验结果进行分析,得到了去噪重构图像时所需有效奇异值数目的统计值。     

非零奇异值和频率的关系及其在信号分解中的应用

研究了Hankel矩阵方式下确定性信号的非零奇异值和信号所含频率数量之间的关系,发现只要矩阵维数大于信号中频率数量的二倍,此后不管维数再怎样增大,非零奇异值的数目始终维持为信号中频率数量的两倍不变.研究了非零奇异值和单个频率之间存在的对应关系,提出利用奇异值分解来分离单个的频率成分,发现了奇异值分解分离单个频率成分的条件,在这种条件下奇异值分解可以准确地分离出任何的单个频率成分.利用奇异值分解的这一特性对轴承振动信号进行特征提取,分离出了轴承各个振动频率清晰的时域波形,由此准确地揭示了轴承的实际振动状态.     

延拓矩阵的奇异值分解

本文从普通奇异值分解出发 ,导出了具有行或列对称结构的矩阵 (即延拓矩阵 )的奇异值和奇异向量与原矩阵 (亦称母矩阵 )的奇异值和奇异向量的定量关系 ,并对延拓矩阵进行了简单的扰动分析 .理论分析和数值实验的结果表明 ,就一大类延拓矩阵而言 ,仅用母矩阵进行奇异值分解不但可以节省计算量和存储量 ,而且不影响任何数值精度     

基于奇异值分解的数字图像水印方法

随着计算机和网络技术的飞速发展,数字图像、音频和视频产品愈来愈需要一种有效的版权保护方法,另外通信系统在网络环境下的信息安全问题也日益显露出来.数字图像水印技术为上述问题提供了一个潜在的解决方案.所谓水印技术就是将数字、序列号、文字、图像标志等版权信息嵌入到多媒体数据中,以起到版权保护、秘密通信、数据文件的真伪鉴别和产品标志等作用.本文提出了一种新的基于奇异值分解的数字水印算法并且对该方法的理论基础给出分析.实验结果表明这种方法要比目前提出的流行算法鲁棒.     

修正的奇异值分解并行实现

本文综述了有关修正的奇异值分解的算法和Systolic阵列实现的一些最新结果,讨论了普通奇异值分解(OSVD)、积奇异值分解(PSVD)和商奇异值分解(QSVD)。修正算法是指交叉使用QR更新和三角约化Jacobi SVD算法,在其每步计算中采用有限次操作(O(n~2)),由前一次近似分解结果计算新的近似分解。这些算法与指数加权相结合,显然对跟踪问题极为适用,而且只要对熟知的矩阵何量积、QR更新和SVD的Systo1ic阵列稍加修改,就能把它们完美地映射到Systolic阵列上去。     

基于SVD的小波变换图像去噪方法

针对传统SVD图像去噪方法的不足,提出了一种基于SVD分解的小波分解图像去噪方法。通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分。实验结果表明该文提出的方法适用于图像信号的提取,与传统的SVD去噪方法相比,它提取出的信号特征成分更完整,信噪比更高。     

基于奇异值分解的特征跟踪方法

在传统的基于模板匹配的跟踪方法中，均是给定一个模板，然后从图像中各个位置取出一个个与模板大小一致的区域进行相似性度量，找出与模板距离最小的一个区域作为当前模板，以便进行下一步的匹配跟踪工作。在景象匹配和相关跟踪过程中，由于所面临的大多数是变化的场景，实时获取的图像与预存模板之间存在比较大的差异，传统相关匹配方法的应用就会受到限制；而且在跟踪过程中，随时更新模板会造成跟踪性能对扰动过分敏感，从而产生漂移。首先拍摄目标不同角度的图像（尽可能包含目标可能出现的所有情况），构成目标图像训练集合，抽取出特征矩阵，对它进行奇异值分解，构成一个关于目标的多维空间。然后再用匹配方法在全局范围搜索，找出目标的大致位置，并利用收敛方法在确定的大致位置内进行搜索，确定目标的仿射变换系数，从而得到一个目标位置的确切描述。     

基于Pignistic概率转换和奇异值分解的证据冲突度量方法

针对常见证据冲突度量方法适应性差、准确性低的问题,提出了一种基于Pignistic概率转换和奇异值分解的证据冲突度量方法。首先通过Pignistic概率转换将证据焦元差异映射到信度差异上,构建证据复合信任函数矩阵。然后采用奇异值分解的方法提取矩阵特征,根据奇异值特性将矩阵特征空间划分为相似子空间和冲突子空间,综合考虑证据矩阵相似特性和冲突特性,将冲突子空间奇异值与相似子空间奇异值之比作为新的冲突度量因子。最后在全冲突场景、变信度场景、变焦元场景、焦元嵌套场景等多种证据冲突场景下将所提方法与常见方法进行了对比分析,结果表明所提方法具有适应性广、准确性高、稳定性好的特点。     

基于高维张量奇异值分解的图像加密

现有基于奇异值分解(SVD)的彩色信息加密系统提供了一种光学矩阵分解方案、安全的密文和敏感的密钥。高维张量奇异值分解(HOSVD)是SVD矩阵的自然线性延伸,提出了一种基于HOSVD的彩色图像加密算法。在加密过程中,HOSVD比SVD提供了更多的密文乘法组合次序。这些乘法组合次序可以有效地增加未经授权的解密难度。在解密过程中,HOSVD的重建精度比SVD更高。这些优点提高了准确性、安全性和鲁棒性。通过对100个图像测试数据集的计算机仿真验证了该算法的可行性。     

Security analysis of weighted network anonymity based on singular value decomposition

The security of anonymous method based on singular value decomposition (SVD) in the privacy preserving of weighted social network was analyzed.The reconstruction method in network with integer weights and the inexact reconstruction method in network with arbitrary weighted were proposed.The $\frac{\epsilon }{N}$ -tolerance was definited to measure its safety.It was also pointed out that the upper bound of ε (the reconfigurable coefficient) obtained in current spectral theories was so conservative that lacks of guidance.The reconfigurable coefficients of random networks,Barabasi-Albert networks,small world networks and real networks were calculated by experiment.Moreover,the reconfigurable coefficients of double perturbation strategies based on SVD were also tested.Experimental results show that weighted social networks have different tolerances on spectrum loss,and there is a close relationship between its tolerance and network parameters.     

Analysis of a nonuniform guiding structure by the adaptive finite-difference and singular value decomposition methods

This paper presents a flexible finite-difference technique for analyzing the nonuniform guiding structures. Because the voltage and current variations along the nonuniform structure differ for each segment, this work considers the adaptable discretization steps. This technique increases the accuracy of the final response. Moreover, by applying the singular value decomposition and discarding the nonprincipal singular values, an optimal lower rank approximation of the discretization matrix is obtained. The computational cost of the introduced method is significantly reduced using the optimal discretization matrix. Also, the proposed method can be extended to the nonuniform waveguides. The technique is verified by analyzing several practical transmission lines and waveguides with nonuniform profiles.     

基于高阶奇异值分解和深度学习的光场图像拼接方法

光场图像拼接旨在提高光场图像的视场角。考虑到光场数据包含较多冗余,且传统拼接方法对于低纹理场景的光场图像鲁棒性不足,本文提出一种基于高阶奇异值分解(high-order singular value decomposition, HOSVD)和深度学习的光场图像拼接方法。首先,通过光流估计和HOSVD对光场图像进行降维,得到所有视角下一致空间信息的主基和不同视角下高频信息的其他基带。其次,提出注意力增强的无监督单应性估计网络来提高图像的配准精度。最后,将扭曲后的参考基带和目标基带进行光场重建与图像融合,得到最终的拼接光场。实验结果表明,该方法在拼接光场的主客观质量和角度一致性方面表现出较好的性能。     

基于多分辨奇异值分解的多聚焦图像融合

提出了一种多分辨奇异值分解（MSVD）的新框架,并把它应用于多聚焦图像融合中.首先,基于分块算法原理,利用奇异值分解获得具有不同分辨率的一幅近似和三幅细节图像.然后结合重构算法,给出了图像的融合框架.其次,对比基于离散小波变换（DWT）的融合算法,基于MSVD的融合效果更好,而且 MSVD的基向量只依赖于图像本身而不像小波需要固定的基.最后,采用客观性能指标对结果图像进行评价.实验结果表明,本文的方法不仅简单易行,而且图像表现出良好的视觉效果,清晰度和空间频率都有很大提高.     

块奇异值分解和量化实现的图像数字水印算法

讨论了当前将水印嵌入在块奇异值分解（SVD,singular value decomposition）后最大奇异值中的图像数字水印算法不足,进而提出了两种新的将水印嵌入在块SVD后最大奇异值除外的其余奇异值中的图像数字水印算法。两种新算法均采用了量化嵌入策略,从而使两种算法在提取水印时无需任何原始信息的帮助。实验结果表...