基于奇异值分解的新闻标题聚类研究

和导航中应用广泛。文本聚类作为一种无监督学习算法,其依据是聚类假设:同类的文档相似程度大,不同类的文档相似程度小。文中主要研究汉语文本聚类算法在新闻标题类文本中的应用。首先对采集到的若干条新闻标题进行分词和特征提取,将分词后的文本转化为词条矩阵;然后使用TF-IDF技术处理词条矩阵,得到基于分词权重的新的词条矩阵,对新的词条矩阵进行奇异值分解,得到主成分得分矩阵,提取主成分分析文本特征并根据主成分得分矩阵进行K-均值和分层聚类分析;最后将聚类结果用词云图的形式展示出来并评价聚类效果的好坏。实证显示,对词条矩阵的奇异值分解能降低向量空间的维数,提高聚类的精度和运算速度。     

基于奇异值分解的Gabor遮挡字典学习

因遮挡、光照等变化因素所引发的协变量偏移问题是面向现实的人脸识别系统需要重点解决的问题。从字典编码的角度探讨了这一问题。通过对现有的结构化误差编码方法的回顾,指出几种主流的结构化误差编码方法都可以转化为训练字典与遮挡字典联合表示的形式,只需对不同的误差编码方法建立合适的遮挡字典即可。鉴于遮挡字典在结构化误差编码方法中的重要作用,针对一种重要的基于字典表示的误差校正方法——基于Gabor特征的鲁棒表示与分类方法(GRRC)展开研究,指出其基于K-SVD的遮挡字典学习方法的主要不足在于:计算代价较高、冗余性较强、缺乏针对自然遮挡的结构,并提出了一种基于奇异值分解(SVD)的Gabor遮挡字典学习方法。在Extended Yale B,UMBDB和AR 3个人脸数据库上的实验结果表明,相对于基于K-SVD字典学习方法的GRRC,基于SVD字典学习方法的GRRC在各种情形下都具有更好的时间性能和识别性能。     

一种基于模糊聚类和奇异值分解的水印算法

提出一种新的基于模糊聚类和奇异值分解的水印算法.利用人类视觉系统(HVS)的掩蔽效应,在载体图像空域进行模糊聚类(FCM)寻找图像纹理复杂的子区域来作为嵌入水印的位置,再用奇异值分解(SVD)实现水印的嵌入.实验表明,该算法有效地平衡了水印的鲁棒性和视觉上的不可见性之间的矛盾.     

基于奇异值分解法的二元矩阵聚类算法研究

文献检索时通常会用到LSI(Latent Semantic Indexing)算法.针对算法中返回值受阈值大小影响的问题,对算法中由奇异值分解SVD(Singular Value Decomposition)得到的左、右奇异值矩阵,用k-means算法对其进行聚类,提出了LSI改进算法.实验结果表明,与传统的LSI方法相比,改进算法在提供k-means算法分类的维度时获得了更好的性能,证明了算法的有效性.     

The QIF Singular Value Decomposition Method

In this paper, the well known singular value decomposition (SDV) method is extended to explicit (2 2 2) block form, by using the Quadrant Interlocking Factorisation (QIF) method. Numerical results are presented to portray the validity of the proposed method.     

Distributed Tip Decomposition on Large Bipartite Graphs

Tip decomposition has a pivotal role in mining cohesive subgraphs in bipartite graphs. It is a popular research topic with wide applications in document clustering, spam group detection, and analysis of affiliation networks. With the explosive growth of the bipartite graph data scale in these scenarios, it is necessary to use distributed methods to realize its effective storage. For this reason, this paper studies the problem of the tip decomposition on a bipartite graph in the distributed environment for the first time. Firstly, a new relay-based communication mode is proposed to realize effective message transmission when the given bipartite graph is decomposed in a distributed environment. Secondly, the Distributed Butterfly Counting (DBC) algorithm and the Distributed Tip Decomposition (DTD) algorithm are designed. In particular, a controllable parallel vertex activation strategy is proposed to solve the problem of memory overflow when DBC decomposes large-scale bipartite graphs. Finally, the message pruning strategy based on vertex priority and message validity pruning strategy are introduced to further improve the efficiency of the algorithm by reducing redundant communication and computing overhead. The experiment is deployed on the high-performance distributed computing platform of the National Supercomputing Center. The effectiveness and efficiency of the proposed algorithms are verified by experiments on several real datasets.     

位串行SVD处理器的设计

奇异值分解(SVD)广泛应用于数字信号处理等领域.为提高SVD效率,Brent等提出一种由SVD处理器组成的阵列,应用并行JACOBI算法实现SVD.SVD处理器一般采用CORDIC位并行结构实现.本文比较CORDIC位并行结构和位串行结构,分析了位串行结构在硬件资源以及时钟频率上的优势,采用CORDIC位串行结构设计了SVD处理器,并结合位串行结构的特点对其进行了优化.仿真实验验证了该设计的正确性;CORDIC结构的对比实验表明,与位并行结构相比,位串行设计以一定的处理时间为代价,可以节约大量的硬件资源,适用于硬件资源紧缺的非实时场合.     

一种最小二乘／奇异值分解算法

针对预失真技术中存在记忆非线性放大器预失真的问题,分析数字预失真器的结构和常用预失真器的识别算法,对经典最小二乘／奇异值分解（LS／SVD）算法进行改进,以较少资源获得较高性能。仿真结果表明,改进的LS／SVD算法能实现记忆非线性放大器的快速、高效线性化,提高记忆非线性放大器的性能。     

基于奇异值分解的图像压缩技术

为获得比较理想的图像压缩比和清晰的压缩后图像,使用了奇异值分解作为数据矩阵的压缩原理.详细解析了奇异值分解的原理及用奇异值分解压缩图像的原理.提出了按特征值个数占比阈值、按特征值之和占比阈值两种取特征值个数的方法.实验表明,特征值个数占比阈值在0.1时,图像清晰且压缩比达到5.99;特征值之和占比阈值在0.85时,图像...     

高效的大型图聚类方法研究

对于大规模的图数据,当前的图聚类算法的时间和空间扩展性较差,且倾向于细粒度的簇.本文提出k层邻接点概念,从而避免单层邻接点导致的聚类细化.提出一种基于割集的分布式聚类算法,通过连通性判断搜索最小代价割集,从而降低图分片的关联性,提高算法的并行度和可扩展性.通过实际数据集上的大量实验表明,本文所提出的聚类方法较传统方法在时间和空间效率上具有较大优势,并且可以发现更高质量的簇.     

基于多分辨率奇异值分解的图像融合

提出一种新的基于多分辨率奇异值分解（ MSVD）图像融合算法。算法对源图像进行MSVD处理,使其分解为互不相关的平滑和细节分量,并对平滑分量进行多层次的分解与处理。类似于小波变换,多分辨率奇异值分解的基本思想是在平滑分量的每一层上用奇异值分解（ SVD）来取代滤波,最终利用融合规则对图像进行MSVD融合。利用5种评价算子来评价算法,得到的融合效果很好。与基于小波分解的算法相比,算法计算简单、实时性突出,对复杂、高像素图像处理更简单方便。     

基于奇异值分解的异常切片挖掘

切片操作是联机分析处理的主要功能之一,在决策支持应用中发挥着重要作用.由于人工的切片过程非常低效,且易忽略重要信息,提出了一种自动、智能的异常切片挖掘方法.该方法基于奇异值分解技术来提取切片的数据分布特征,然后在提取出的奇异值特征之上,利用基于距离的孤立点检测技术发现异常的切片.在人工生成的数据和实际应用的切片数据上所作的实验结果都表明了该方法的高效性和可行性.     

基于奇异值分解的隐式后门攻击方法

深度神经网络训练时可能会受到精心设计的后门攻击的影响. 后门攻击是一种通过在训练集中注入带有后门标志的数据, 从而实现在测试时控制模型输出的攻击方法. 被进攻的模型在干净的测试集上表现正常, 但在识别到后门标志后, 就会被误判为目标进攻类. 当下的后门攻击方式在视觉上的隐蔽性并不够强, 并且在进攻成功率上还有提升空间. 为了解决这些局限性, 提出基于奇异值分解的后门攻击方法. 所提方法有两种实现形式: 第1种方式是将图片的部分奇异值直接置零, 得到的图片有一定的压缩效果, 这可以作为有效的后门触发标志物. 第2种是把进攻目标类的奇异向量信息注入到图片的左右奇异向量中, 也能实现有效的后门进攻. 两种处理得到的后门的图片, 从视觉上来看和原图基本保持一致. 实验表明, 所提方法证明奇异值分解可以有效地利用在后门攻击算法中, 并且能在多个数据集上以非常高的成功率进攻神经网络.     

基于分块奇异值分解的两级图像去噪算法

为了更有效地进行图像去噪, 提出了一种基于分块奇异值分解(Singular value decomposition, SVD) 的两级图像去噪方法, 该方法首先将含噪图像中具有相似结构的图像块组织成具有很强相关性的图像块组; 然后, 利用二维奇异值分解去除图像块组中每个相似块的内部相关性, 利用一维奇异值分解去除相似图像块组之间的冗余; 最后, 通过硬阈值方法收缩变换系数实现图像与噪声的有效分离. 为了进一步提高去噪效果, 对含噪图像再次进行上述操作. 不同的是, 在第二级去噪过程中,相似图像块组根据第一级估计出的图像计算获得且相似图像块间的相关性通过离散余弦变换去除. 仿真实验表明, 提出的两级图像去噪算法不仅可以较大程度地去除图像噪声, 还能有效保留图像细节, 取得了良好的去噪效果.     

面向大规模二部图的分布式Tip分解算法

Tip分解作为图数据管理领域的热点研究问题,已被广泛应用于文档聚类和垃圾邮件组检测等实际场景中.随着图数据规模的爆炸式增长,单机内存已无法满足其存储需求,亟需研究分布式环境下Tip分解技术.现有分布式图计算系统的通信模式无法适用于二部图,为此,首先提出一种基于中继的通信模式,以实现分布式环境下处理二部图时消息的有效传递...     

A Parallel Algorithm for Computing the Generalized Singular Value Decomposition

A parallel algorithm for computing the generalized singular value decomposition of two matrices A and B having the same number of columns is described in this paper. The algorithm is designed for efficient implementation on distributed-memory parallel computer architectures. The time cost is O(n²) units for parallel preprocessing, and O(n²/p) units for the GSVD of two upper trapezoidal matrices, where p is the dimension of the triangular array of processors.     

基于奇异值分解的量化水印盲检算法

提出了一种基于奇异值分解的量化水印盲检算法.利用图像矩阵的奇异值稳定性好且最大奇异值远远大于其他奇异值的特点,首先时分块图像最大奇异值进行量化,再结合其奇偶性将二值水印嵌入量化后的奇异值中.实验结果表明,水印算法在满足较好的不可见性和较强的鲁棒性的同时;还可实现水印的盲提取.     

基于奇异值分解的二维码加密算法

随着移动互联网和智能手机的快速发展,人们对网络中信息传输的安全性的要求越来越高。二维码作为一种存储和识别信息的技术已经在很多领域有着广泛的应用。但是二维码编码算法是公开的且未实现信息加密,在一些领域中存在信息安全问题。文中通过研究二维码编码规则及加密算法,提出一种基于奇异值分解的改进算法来对编码数据信息加密。通常,计算机存储数字化的图像文件是通过矩阵的方式,因此,图像对应的坐标像素的值都可以用矩阵的元素表示,计算机对数字图像的处理过程就是对这些非负矩阵进行运算。解密是加密的逆过程,即对图片矩阵进行奇异值分解加密,以及加密解出明文信息。实验证明,所提方法加、解密的效率高,安全性好。     

基于高阶奇异值分解的驾驶疲劳识别

提出一种基于人脸运动特征和高阶奇异值分解的驾驶疲劳识别方法。利用光流技术计算人脸皮层的运动速度,以此作为疲劳特征。为消除身份、光照和姿态等因素对疲劳识别的影响,利用高阶奇异值分解将疲劳特征与身份信息、光照信息、姿态信息分离。在疲劳子空间采用余弦距离最近邻方法进行疲劳识别。对不同光照条件下、不同人、不同姿态的疲劳状态进行识别实验,实验结果表明,该方法具有较好的识别效果。