采用压缩传感的鲁棒的视频指纹方案

视频指纹技术在视频检索、识别、安全等领域有着广泛的应用,提出一种基于压缩传感理论的鲁棒性视频指纹方法,该方法采用压缩传感的稀疏性和安全性对提取的视频关键帧进行采样,再对采样矩阵分块与分类,提取能量值大的一些子块构成新的特征矩阵.对特征矩阵使用奇异值分解,对较大奇异值量化编码生成指纹.同时,也提出了高效的两步匹配方案,通过粗精两步搜索对视频进行检索,提高了视频搜索速度,实验结果表明,能准确检测视频片段,对通常的视频处理具有较强鲁棒性,满足视频检索的实时要求.     

基于多尺度HOG的草图检索

草图检索是图像处理领域中的重要研究内容。提出了一种将高斯金字塔和局部HOG特征融合的特征提取改进方法,并将其用于草图检索。采用高斯金字塔将图像分解到多尺度空间,在所有尺度上进行兴趣点提取,获得基于兴趣点的多尺度HOG特征。利用图像的多尺度HOG特征集生成视觉词典,最终形成与视觉词典相关的特征描述向量,通过相似度匹配实现草图检索。将该算法与单一尺度下的HOG算法及其他几种算法比较,实验结果表明了其可行性和有效性。     

基于奇异值的具有年龄变化的人脸识别

为了增强现有人脸识别算法对年龄变化的鲁棒性,提出了一种新的基于奇异值分解(SVD)和嵌入式隐马尔可夫模型(EHMM)的人脸识别方法.先选取整幅人脸图像的奇异值作为基本特征向量,然后建立年龄函数,对奇异值特征进行修正,再根据得到的年龄函数,对人脸图像进行重建,提取改进后的奇异值特征作为观察序列,送入EHMM中进行分类识别,实验结果表明这种方法能够提高具有年龄变化的人脸识别效率.     

基于DCT域奇异值分解的图像检索技术

提出一种在DCT域获取图像的代数特征--SV特征矢量进行图像检索的方法.在图像解压到量化的DCT域时,提取粗糙纹理矩阵Ⅰ,对Ⅰ进行奇异值分解,根据图片库的特点选取部分或全部奇异值表征图像的纹理特征,试验了该特征提取技术在图像检索中的应用.     

基于SVD特征降维和支持向量机的跌倒检测算法

为减少跌倒对人体造成的伤害,采用一种基于支持向量机的人体跌倒检测方法。利用安置于腰上的手机采集人体运动行为加速度数据,提取对跌倒行为敏感的时域及频域特征,利用奇异值分解方法降维特征和重构跌倒特征,采用支持向量机分类器检测跌倒行为。仿真实验表明:该方法能够有效地识别跌倒和日常行为,具有较高灵敏度和特异度,并可同时提高识别正确率。     

基于随机矩阵理论的高维数据特征选择方法

传统特征选择方法多是通过相关度量来去除冗余特征,并没有考虑到高维相关矩阵中会存在大量的噪声,严重地影响特征选择结果。为解决此问题,提出基于随机矩阵理论（RMT）的特征选择方法。首先,将相关矩阵中符合随机矩阵预测的奇异值去除,从而得到去噪后的相关矩阵和选择特征的数量;然后,对去噪后的相关矩阵进行奇异值分解,通过分解矩阵获得特征与类的相关性;最后,根据特征与类的相关性和特征之间冗余性完成特征选择。此外,还提出一种特征选择优化方法,通过依次将每一个特征设为随机变量,比较其奇异值向量与原始奇异值向量的差异来进一步优化结果。分类实验结果表明所提方法能够有效提高分类准确率,减小训练数据规模。     

基于整体与局部奇异值分解的人脸识别方法

提出了一种基于整体与局部奇异值分解相结合的人脸识别算法。文章叙述了人脸图像的预处理、奇异值分解以及支持向量机的原理及实现过程。运用整体与局部奇异值分解,分别获得图像的整体与局部特征,然后采用支持向量机进行分类识别,实验验证了该方法的有效性。     

基于HOG-SVD特征的人脸识别

为提高复杂环境下的人脸识别率,该文提出了一种基于方向梯度直方图-奇异值分解(HOG-SVD)的人脸识别方法。首先提取整个人脸图像的HOG特征,通过奇异值分解形成图像的整体HOG-SVD特征。然后将人脸图像分成均匀子块,提取各子块的HOG-SVD特征。之后将整体HOG-SVD特征和局部HOG-SVD特征组合形成最终分类特征。最后通过支持向量机分类器对其分类。在Yale人脸库上的实验表明,该方法对表情、光照、姿态具有鲁棒性,具有较高的识别率。     

基于奇异值分解的三维网格模型零水印算法

研究版权保护问题,针对传统水印嵌入算法为避免模型失真,只能降低水印嵌入强度,但会造成水印鲁棒性下降,采用零水印方法则可以有效的解决水印透明性和鲁棒性之间的矛盾问题,提出了一种基于奇异值分解的三维网格模型零水印算法.不对模型数据进行任何改动,将模型按拓扑数据分割为若干子块,在各子块内进行奇异值分解,提取奇异值向量的前若干项,作为图像特征,进行零水印构造.实验结果表明,算法可避免模型失真,构造的水印可以抵抗多种常见的攻击手段.在提取水印时无需原始网格模型参与,模型具有较好的鲁棒性,并为设计提供科学依据.     

配电网暂时过电压奇异值分解结合支持向量机的识别方法

针对配电网暂时过电压的辨识分类问题,提出一种结合时频矩阵奇异值分解和多级支持向量机的配电网暂时过电压辨识方法。利用变分模态分解、Hilbert变换及带通滤波构造配电网暂时过电压零序电压波形的时频矩阵描述其时频特征。通过对时频矩阵进行奇异值分解,提取所获得波形奇异谱的分布参数作为特征向量,结合时域特征量输入多级支持向量机,对配电网暂时过电压进行自动辨识。通过仿真实验和测试,结果表明该识别方法具备训练时间短、识别率高和防干扰能力强的优势,可实现对配电网暂时过电压故障的有效辨识。     

基于去相关高精度分类网络与重排序的行人再识别

目前基于深度学习的行人再识别方法通常将分类网络作为基础网络进行训练,再用其提取行人图片的深度特征,最后在欧氏距离度量下计算特征间相似度并建立排序表。因此,分类网络的特征表达能力将影响到再识别的准确率,而特征表达之间的相关性也会使相似度计算存在误差。针对这些问题,采用精度更高的分类网络作为行人再识别的特征提取网络,并使用奇异值分解来降低权向量之间的相关性,优化深度学习过程。此外,使用基于K互近邻的方法,对候选库中需要检索的图片进行重排序,也将进一步提升再识别的精度。在Market-1501数据集上的实验结果表明,该方法能显著提高行人再识别的准确性。     

基于多路交叉的用户金融行为预测

针对通过挖掘用户的金融行为来改善金融领域的服务模式和服务质量的问题,本文提出了一种基于多路交叉特征的用户金融行为预测算法.根据数据包含的属性构建训练的特征,基于因子分解机模型(FM)利用下游行为预测任务对金融数据的特征进行预训练,获取数据特征的隐含向量.引入特征交叉层对金融数据的高阶特征进行提取,解决FM线性模型只能提...     

基于奇异熵和随机森林的人脸识别

提出了一种基于奇异熵与随机森林的人脸识别方法。该方法以奇异熵来描述人脸特征。首先在整个人脸图上进行奇异值分解,应用整体奇异熵提取人脸全局特征。然后将人脸图像分成均匀子块,在各子块中进行奇异值分解,应用局部奇异熵提取人脸局部特征。之后将整体奇异熵和局部奇异熵融合形成最终分类特征。最后通过随机森林分类器对其进行分类。在Yale人脸库上的实验表明,该方法对表情、光照具有鲁棒性,且有较高的识别率和较短的识别时间。     

二值图像轮廓局部描述和检索方法

提出了一种针对二值图像的基于轮廓分解和局部描述的检索策略。首先从二值图像中提取物体轮廓,采用特定的方法对轮廓进行分解,得到轮廓的参考点集。求取每一个参考点的对应弧线段,构造从参考点指向对应弧线上各点的向量集合。对向量集合进行Fourier变换,得到Fourier系数可以作为该参考点的特征向量,从而原图像就被表示为特征空间中的特征点集。最后,采用点匹配的方法来计算图像之间的距离,实现二值图像的检索。实验结果表明,与目前已有的方法相比该方法具有较高的检索精度。     

结合分类卷积神经网络和形状上下文的线画图检索

传统线画图检索中仅仅利用线画图形状特征信息导致检索准确率不高,为了高效、准确地从线画图数据集中检索相似的线画图,提出一种结合分类卷积神经网络和形状上下文的线画图检索方法.首先利用大卷积核的分类卷积神经网络对线画图像数据集进行分类训练任务得到神经网络权值参数,使用该网络结构提取数据集中每张线画图的卷积特征信息;然后根据用户在画图板上绘制得到的简单线画图输入,利用卷积神经网络进行二次分类得到前15种最相似的分类,并结合形状上下文算法对15种分类匹配相似度并取前8种分类;最后使用卷积神经网络提取用户输入的线画图特征信息并与8种分类中的线画图特征信息进行匹配,根据相似度大小排序得到线画图匹配结果.基于Caffe卷积神经网络开发框架,采用TU-Berlinsketchbenchmark线画图数据集进行实验的结果表明,该方法能高效、准确地从数据集中检索得到相似线画图,同时能保证检索结果集中于最相似的几种类别且同类型中能有更多的选择.     

矩阵的奇异值分解在文本分类研究中的应用

用向量空间的方法对文本进行分类是指通过对训练语料的学习，对每个类建立反映该类特征的向量，然后对每一个新的文本，提取其反映该文本特征的向量以确定其类别的过程，文章利用矩阵的奇异值分解理论，把被测文本的向量与所建立的标准向量（降维后）逐一比较，自动确定该文本的分类，经过开放式试验，获得了较好的效果。     

奇异值趋势分解在燃油泵性能指数预测中的应用

机载燃油泵的性能退化数据呈现出平稳-加速-平稳的多阶段模式.针对燃油泵性能退化数据具有非线性、非平稳的特征,提出了一种基于奇异值趋势分解的组合预测方法.利用奇异值趋势分解提取原始数据的趋势项和去趋势项;分别对趋势项和去趋势项构建最小二乘支持向量机(LSSVM)模型,并采用粒子群优化(PSO)算法实现LSSVM参数的自适...     

基于奇异值分解的零水印算法

针对传统的基于奇异值分解的水印算法水印容量较低的缺陷,提出基于奇异值分解的零水印算法,在分块的基础上提取奇异值向量的前若干项,将其作为图像特征,并利用此特征进行零水印构造。仿真实验结果表明,该算法能降低计算复杂度,增加水印容量,稳健性较好。     

奇异值分解和改进PCA的视频人脸检索方法

针对视频中人脸检索问题,提出一种基于奇异值分解和改进PCA相结合的视频中单样本人脸检索方法,其中通过融合局部均值和标准差的图像增强处理来实现PCA算法的改进,从而克服光照对目标的影响。通过AdaBoost人脸检测算法对人脸图像和视频进行人脸检测;通过奇异值分解增加训练样本,在原样本和新样本的基础上采用改进的PCA人脸识别算法提取待检测人脸和视频中的人脸代数特征;采用最近邻分类器进行特征匹配,判断视频中检测出的人脸是否为要检索的目标人脸。实验结果表明,该方法在简单背景的视频环境下可以较准确地检索出目标人脸。     

奇异值分解和稀疏自编码器的轴承故障诊断

针对滚动轴承故障特征提取和分类需要进行有监督训练才能实现等问题,提出了一种基于奇异值分解（SVD）和时域统计特征分析并结合堆栈稀疏自编码器（SAE）以及Softmax分类器实现滚动轴承故障诊断方法。该方法利用Hankle矩阵对原始数据进行矩阵重构,利用奇异值分解和时域分析对重构后的故障信号进行特征预提取,融合两种特征并输入到堆栈稀疏自编码器中进行特征优化,将优化后的特征输入到Softmax分类器中进行分类识别。实验结果表明,3种工况下10类故障数据的识别准确率均在96%左右,且高于文中其他方法,因此该方法能有效地进行滚动轴承复杂信号的特征预处理以及分类。