基于奇异向量和奇异值的人脸识别新方法

通过提出一种基于奇异值向量和奇异值的人脸识别新方法——正交奇异值方法,将奇异向量 和奇异值中的信息有效结合,克服了目前基于奇异值分解的识别方法中,要么丢弃了奇异值中的信息, 要么丢弃了奇异向量中的信息,识别效果并不理想的缺陷。在ORL国际标准人脸库上实验显示,与目前 基于奇异值分解的识别方法相较,该方法达到了更好的识别效果。     

基于奇异值分解和小波分析的结构模态参数识别

提出了一种新的基于奇异值分解（SVD）和小波分析的结构模态参数识别方法。获得结构在随机荷载作用下的加速度响应,对其进行相关分析可得到相关系数矩阵。将小波变换用于分解相关系数矩阵可得到小波系数矩阵,用奇异值分解小波系数矩阵可精确地识别出模态参数。通过数值算例和实际测试获得的结构信号验证了该方法的可行性。研究结果表明SVD方法与小波分析的结合能够方便准确地寻找出结构的小波脊,其获得的信息可靠度也更高,适用于多自由度结构的模态参数识别。     

基于内禀模态奇异值伪熵特征提取的电能质量扰动识别

针对电能质量暂态扰动信号的非平稳、非线性等特点,提出一种基于内禀模态奇异值伪熵特征提取和支持向量机的电能质量复合扰动识别分类方法.该方法通过经验模态分解方法将各种非平稳电能质量扰动信号分别分解成若干个平稳的内禀模态函数,然后分别对每个有意义的内禀模态函数组成矩阵.该识别方法提出奇异值伪熵的概念,并依据该奇异值伪熵特征向量,通过支持向量机对各种电能质量扰动数据进行识别分类.实验结果表明,所提方法能有效地进行特征提取和电能质量扰动识别分类.     

一种新的基于奇异值分解的图像隐藏方法

以数字图像信息隐藏问题为研究的切入点,介绍了奇异值的数学理论基础,讨论了矩阵奇异值分解与重构的原理和方法;构造了一种新的基于奇异值分解的图像隐藏的算法,用实例说明了奇异值分解在图像隐藏中的原理和应用,并在奇异值分解的基础上重构了原图像,取得了较好的效果,表明了该方法的有效性．     

基于分块奇异值水印算法研究

随着信息技术的飞速发展,信息隐藏与保密技术日渐受到人民的重视.数字水印是版权保护的重要手段之一,目前已经得到广泛的研究与应用.提出了一种基于分块奇异值的水印算法,运用奇异值分解方法与图像分块技术,对水印进行嵌入与提取.通过图像分块,降低了对图像奇异值分解的过程,加速了数字图像水印的嵌入和提取,最后用VC＋＋实现了该过程,并验证了该算法的鲁棒性.     

基于奇异值分解的RNA二级结构相似度计算方法

针对传统的核糖核酸(RNA)分子结构相似度计算方法存在复杂度高、未能充分考虑二级结构全局信息的缺点,基于一种7维序列编码方法，提出了一种利用矩阵奇异值分解提取RNA二级结构数据分布特征的算法，利用提取出的奇异值向量,基于向量距离进行RNA二级结构相似度比对.通过对Yeast tRNA phe、PSTV、poliovirus mutant 3种RNA分子二级结构构象的实验分析，表明了该方法的可行性和高效性.并将这种方法推广至任意两个RNA分子之间二级结构的相似度衡量，同样取得了不错的效果.     

基于奇异值分解估计点扩散函数的复原算法研究

基于奇异值分解的性质,从离散退化模型出发,采用理想图像奇异值向量的平均能谱理论,得出用奇异值分解来估计点扩散函数的方法,复原过程用逆滤波法来实现。文中采用奇异值累计和函数的二阶导来确定点扩散函数估计过程中的重组阶数R1,三阶导曲线用于去噪的重组阶数R2的选取。用本文方法进行去噪复原实验,与自动选取法进行比较,去噪复原效果较好。     

基于奇异值分解行人对齐网络的行人重识别

为解决行人重识别的训练数据集中自动检测出的行人图像背景过大和行人部分缺失的错位现象问题,使用空间变换网络层对图像错位进行处理。为优化整个网络的深度学习过程,提高图像检索能力,增加网络特征层,使用奇异值向量分解方法对其进行处理。将行人对齐网络和奇异向量分解相结合,构造奇异值分解行人对齐网络,既可解决图像错位问题,又提高图像特征的相似性度量的效果。在Market1501、CUHK03和DukeMTMC-reID数据集上进行试验,并与行人对齐网络和其他深度学习与非深度学习的行人重识别方法进行比较,试验结果中整个网络的平均检索精度和行人图像第一次匹配正确的概率平均达到了65%和80%左右,这表明奇异值分解行人对齐网络可以提高对行人匹配的效果。     

基于奇异值分解行人对齐网络的行人重识别

为解决行人重识别的训练数据集中自动检测出的行人图像背景过大和行人部分缺失的错位现象问题,使用空间变换网络层对图像错位进行处理。为优化整个网络的深度学习过程,提高图像检索能力,增加网络特征层,使用奇异值向量分解方法对其进行处理。将行人对齐网络和奇异向量分解相结合,构造奇异值分解行人对齐网络,既可解决图像错位问题,又提高图像特征的相似性度量的效果。在Market1501、CUHK03和DukeMTMC-reID数据集上进行试验,并与行人对齐网络和其他深度学习与非深度学习的行人重识别方法进行比较,试验结果中整个网络的平均检索精度和行人图像第一次匹配正确的概率平均达到了65%和80%左右,这表明奇异值分解行人对齐网络可以提高对行人匹配的效果。     

基于奇异值分解的强单频干扰自动识别与消除

单频干扰常常会将有效信号掩盖,严重影响了地震勘探数据的处理、解释。为了提高单频干扰压制的效果,研究了一种自动识别及消除单频干扰的新技术。该技术可在频率域快速识别出强单频干扰,利用奇异值分解(SVD)的特性,并用含有单频干扰的地震道构建Hankel矩阵,利用Hankel矩阵的奇异值分布与信号振幅谱之间的对应关系,通过奇异值分解和重构,可有效压制地震道中的单频干扰。模型数据和实际资料测试表明:该方法对强单频干扰具有较好的识别和压制效果,并且对有效信号伤害较小。     

常微分方程组奇异边值问题的数值方法

探讨了微分方程组奇异边值问题数值分析方法．主要目的是用配置法求得数值解的整体误差,为其构造一个有效的渐进误差修正估计法．为了避免高阶的估计方法,采用较低阶的方法,在两节点间插入的配置点上进行渐进误差修正,同时给出了奇异边值问题数值求解的收敛结果．     

利用奇异值和虚假度的证据组合方法

针对现有的修正证据源方法多从单一的角度对证据进行评价,存在一定不足的问题,提出了一种基于奇异值和虚假度的证据组合新方法.首先,利用证据的基本概率分配（BPA）矩阵最小奇异值来衡量两两证据之间的冲突,并以此为基础定义了证据的可信度;接着引入证据虚假度对可信度进行修正,进而生成证据权重;再利用分配的权重对各证据BPA进行加权平均;最后通过Dempster组合规则对加权平均后的BPA进行合成.数值算例结果表明,该方法能够有效地对冲突证据进行组合,且具有更快的收敛速度和更好的聚焦效果.     

广义Delta算子系统的极点配置研究

针对传统的位移算子描述方法存在的缺陷,通过采用矩阵奇异值分解,并结合状态反馈方法,对广义Delta算子系统的极点配置问题进行分析研究,分别给出了系统在因果和非因果两种情形下的有穷极点配置方法。而对非因果系统的极点配置,本文利用因果系统的配置方法,并且根据现实系统的需求进行配置,同时用数值算例进行验证。验证结果表明,广义Delta算子系统(3)能控且非因果,说明本文方法有效且可行,在实际应用中,该研究为系统稳定性提供了调节方法,也为观测器设计指出一条新途径。     

最小奇异值灵敏度分析法的研究

在静态电压稳定分析中,最小奇异值灵敏度可以用于薄弱节点的分析及无功补偿点的确定。考虑了发电机节点的参与作用,将得到的最小奇异值的左右奇异值向量用于最小奇异值灵敏度的计算,通过IEEE39节点系统验证表明,这种方法可以更准确地进行薄弱节点的排序。     

一种基于SVD分解的小波阈值降噪方法

针对小波软阈值消噪的缺点,探讨了一种基于奇异值分解(SVD)的离散小波去噪方法。该方法通过对每层小波分解细节系数进行奇异值分解,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,从而提取出淹没在细节系数中的有用信号成分,最后进行小波重建,得到降噪信号。通过仿真实例的验证,表明该方法与小波阈值消噪法相比,在强噪声背景下,它提取出的信号特征成分更完整,信噪比更高。     

一种正交向量基结构动力模型修正

针对矩阵修正方法不能保存原模型的连接信息以及计算效率低的缺点,基于多自由度振动和矩阵奇异值分解(SVD)理论,提出了一个具有SVD的模型修正方法．该方法引入矩阵重组技术以及采用SVD理论使未知参数的维数从n×2n降低到1×2n维,因而提高了矩阵修正法的计算效率．在此基础上对修正结果进行矩阵物理化处理,恢复了原模型的连接信息．最后,通过数值算例证明了该方法的有效性与可行性．     

用改进的奇异摄动法设计飞行控制系统

本文应用Ｂ．Ｐｏｒｔｅｒ等提出的跟踪系统控制律设计的奇异摄动法设计飞行控制系统；引入特征结构配置进行量测矩阵Ｍ的选择；应用复数域内的奇异值分解方法计算矩阵的零空间以选取闭环系统特征向量；最后通过计算逆回差矩阵的最小奇异值之量分析了闭环系统的鲁律性．     

一类非线性广义随机系统的降阶Kalman滤波器

研究了一类非线性广义系统的状态估计问题.利用Taylor级数展开的方法将其转化为线性广义系统;再利用奇异值分解,对线性化后的系统进行降阶,转化为等价的正常线性系统;最后基于Kalman滤波估值理论,得到非线性广义系统的Kalman滤波器.通过数值仿真例子,验证了所提方法的有效性.