非负矩阵分解的分布式算法

提出一种解决大规模非负矩阵分解的分布式算法.非负矩阵分解一直是矩阵分解领域中的热点问题之一,已有一些相关的算法.但是,对于大规模的非负矩阵,至今尚无高效的方法.本文采用近来解决大数据的分布式思想和并行式计算方法,并将它们与传统的矩阵分解算法相结合,提出一种基于并行式计算的分布式网络算法,以此实现大规模的非负矩阵分解问题.实验结果表明,所提出的算法较一般的分布式算法与集中式矩阵分解的算法更加有效和快速.     

基于EMD-WVD与LNMF的内燃机故障诊断

内燃机的振动信号是复杂非平稳信号,准确提取内燃机振动信号中的特征信息进行模式识别,是对振动信号进行故障诊断的关键。基于经验模态分解的维格纳时频分析方法,不但保留了维格纳分布的所有优良特,而且还避免了交叉项的干扰,能够有效地提取内燃机振动信号的特征信息;在此基础之上,针对传统非负矩阵分解非正交的基矩阵导致数据冗余性较大、影响后续故障分类准确率提高的问题,提出采用局部非负矩阵分解的方法,直接对EMD-WVD时频图像的矩阵进行分解,计算用于内燃机故障诊断的特征参数,并利用特征参数进行故障分类。对内燃机4种不同工况的振动信号进行实验,证明基于EMD-WVD与局部非负矩阵分解的方法对内燃机气门间隙的故障诊断的有效性。     

基于综合信任的奇异值分解推荐算法研究

针对传统矩阵分解推荐算法中数据稀疏、冷启动和用户信任矩阵数据稀疏等问题,本文提出了一种改进的基于路径的信任计算模型,利用用户-用户之间的直接信任关系和受信任者对用户信任关系的影响,计算用户-用户之间存在的间接信任关系,从而填充用户-用户信任矩阵。在此基础上,将用户之间的信任关系与奇异值分解(SVD)模型相结合,提出了一种融合综合信任的奇异值分解算法,即CT-SVD算法。该推荐算法结合用户评分矩阵和信任关系矩阵,对传统的奇异值分解推荐算法进行优化,提高了推荐系统评分预测的准确性。在FilmTrust和Ciao数据集上的实验结果表明,该算法能够有效地缓解推荐系统的数据稀疏性和冷启动问题。     

结合连续小波变换和多约束非负矩阵分解的故障特征提取方法

为了在故障早期从信噪比较低的振动信号中提取故障特征,提出了一种结合小波变换和多约束非负矩阵分解振动信号特征提取方法。首先,采用最小小波熵测量提取出最优时频系数矩阵。然后,根据故障特征在系数矩阵中的表现规律,采用基于稀疏性和光滑性约束的非负矩阵分解算法对小波系数矩阵进行非线性降维,从而提取信噪比较高的故障特征。最后,通过仿真数据和实际数据对该方法进行了验证,结果表明该方法能够在时域中提取出微弱的故障特征,实现机械状态的早期故障诊断。     

双约束非负矩阵分解的复合故障信号分离方法

为了分离复合故障振动信号,提出了一种采用双约束非负矩阵分解算法的信号分离方法。首先对原始振动信号采用短时傅里叶变换,通过时频分布信息来描述信号的局部故障特征;其次在传统非负矩阵分解算法中引入β散度约束与行列式约束,构成双约束非负矩阵分解算法,利用双约束非负矩阵分解算法实现数据的降维,并从低维空间中分离出特征分量;然后通过特征分量重构出时域波形,同时提出加权峰值因子的影响参数筛选重构信号;最后将筛选出的分离信号进行包络频谱分析,提取故障特征。仿真及轴承复合故障实验结果表明:所提出的方法可以有效分离并提取出外圈与滚动体冲击性特征,实现了轴承的复合故障诊断。     

基于图非负矩阵分解的图像配准

本文提出一种新的利用图的谱对应绝对值特征向量的非负矩阵分解图像配准方法.首先利用图像特征构造了无向权图的非负权矩阵,通过非负矩阵分解得到了包含原始图像全部特征的特征基图像;然后将非负权矩阵谱对应绝对值特征向量作为非负矩阵分解的初始值进行迭代,既能反映图的结构特征信息,又能提高图像的匹配率;最后在特征基向量空间找到了两图...     

融合AOBPR和SVD++的排序推荐算法

针对BPR模型收敛速度慢的问题,Randle S提出一种非均匀采样非隐式反馈数据方法 AOBPR模型来加快收敛速度,可是该算法只能利用隐式反馈数据.为了改进其算法的不足,我们提出了一种将AOBPR模型与经典的基于矩阵分解的SVD++算法相结合的算法AOBPR_SVD++.改进后的算法不仅能利用隐式反馈数据也能利用显式反馈数据.最后通过在两个真实数据集中进行实验验证,表明改进后的算法可以获得更好的推荐效果.     

基于稀疏非负矩阵分解的低空声目标识别

借鉴人耳听觉原理和特征学习的优势,提出了梅尔(Mel)频率谱提取和稀疏非负矩阵分解相结合的方法用于低空飞行目标声信号识别。首先,以不同目标的Mel频率谱为特征矩阵,利用稀疏非负矩阵分解方法学习得到各自的模板矩阵;然后,利用按列合并后的模板矩阵对训练/测试样本进行特征分解获得编码系数,该系数可作为分类特征;最后,结合不同目标的特点,采用分频段特征提取和顺序二类分类的方法进行多目标分类,并与Mel频率倒谱系数进行性能比较。结果显示,无论在单类目标辨识还是在多类目标分类中,稀疏非负矩阵分解方法均取得了更好的效果。     

改进的Kullback-Leibler复非负矩阵分解语音增强算法

针对单通道非负矩阵分解语音增强算法忽略相位信息的问题,提出了一种改进的Kullback-Leibler复非负矩阵分解的语音增强算法。该算法考虑到传统非负矩阵分解算法在复频域中增强语音时目标函数的影响,构建了一种适用于复频域的Kullback-Leibler散度下的目标函数,同时采用频谱一致性约束相位谱补偿算法,使其重构出的语音数据相位谱得到进一步的调制。实验结果表明,对于不同的非平稳噪声,所提出的算法在不同信噪比下均取得了较好的语音增强效果,尤其在低信噪比条件下（0 dB以下）语音增强效果较为明显,性能评估指标的增量较高,较好地克服了由传统相位谱补偿算法造成的信源失真率较低的缺点,进一步减少失真,抑制背景噪声,实现语音增强。     

基于麦克风阵列的罐装食品真空度在线检测

声音频谱峰值法被广泛应用于罐装食品真空度检测领域,但是当检测环境出现声音强度较大且与罐盖振动产生的声音的频段相同的噪声时,该方法可能做出误判。为此,提出声学阵列法:由麦克风阵列采集多路混合声信号,采用稀疏半非负矩阵分解从混合声信号中分离出干净的罐盖振动产生的声音,再利用声音频谱峰值法判断真空度是否合格。该文研究稀疏半非负矩阵分解的数学模型,并且推导求解稀疏半非负矩阵分解的迭代优化函数。实验结果表明,无噪声环境下,声音频谱峰值法和声学阵列法的真空度检测结果均准确,但在噪声环境下,声音频谱峰值法出现误判时,声学阵列法仍能做出准确判断。     

非负矩阵分解在地震作用下结构随机响应分析中的应用

地震动作为一类典型的非平稳随机过程可由演变谱刻画其能量的时-频分布。然而,演变谱的时-频耦合特性却限制了经典谱表示法的模拟效率。为提高非平稳地震动模拟效率,简化非平稳地震作用下结构随机响应分析,提出了基于非负矩阵分解(nonnegative matrix factorization,NMF)的地震动演变谱解耦方案,使结构在非平稳地震作用下的响应计算简化为各项均匀调制激励下的结构随机响应叠加。分析结果表明,基于非负矩阵分解的地震动演变谱解耦具有良好的精度,快速傅里叶变换技术的引入提高了经典谱表示法的模拟效率,模拟样本自相关函数与目标值吻合良好,非平稳地震作用下结构随机响应频域分析得到简化。     

一种运用不完全模态试验数据的无溢出模型修正方法

模型修正即为利用结构现场实测的振动信息修正不精确的有限元结构动力模型.鉴于测量的模态数据一般是不完整的,因此在进行模型修正时,希望测量的低阶模态数据融于修正模型而不改变原模型的高阶模态数据.这样的一种修正,如果可能,称为无溢出模型修正.在假定有限元模型的质量矩阵与刚度矩阵均为对称非负定矩阵,并且质量矩阵是精确的情况下,提出了一种无溢出有限元模型修正方法.该方法可使得修正模型仍为对称非负定、测试模态与测试频率融于修正模型、并且修正模型的剩余模态和频率与原模型一致.最后数值例子验证了该方法的有效性.     

方差分量的非负估计

本文对含两个方差分量的线性混合模型,给出了基于谱分解估计构造方差分量的非负估计的两种新方法,由新方法构造的非负估计在一定的条件下在均方误差意义下一致优于谱分解估计,且有显式解、计算简便。     

基于非负矩阵分解的机场噪声监测点优化布局

近年来国内民航迅速发展，机场的新建、扩建和航空运输量的持续增长使得机场噪声污染事件不仅持续上升，而且噪声污染程度也日益加重，因而强化机场附近噪声污染的监测对机场建设及其环境评估十分重要。针对机场噪声污染监测问题，提出一种基于非负矩阵分解(NMF)方法对机场噪声监测点布局问题进行优化求解。该方法以大量网格点作为候选监测点，对单个飞机噪声事件候选监测点的噪声值所形成的矩阵按非负矩阵分解进行区域划分,得到噪声影响子区域。进一步以各子区域的中心点作为该区域的噪声影响代表点,以此确定机场噪声监测点数目和位置。研究结果表明所获得的解比贪心算法得到的解更优，需要的监测点更少。     

基于非负矩阵分解与主元分析的时频图像识别方法研究

本文应用非负矩阵分解与主元分析对时频图像处理,在此基础上进行设备状态识别。论述了对振动信号应用Hilbert谱构建二维时频图像,并用非负矩阵分解对时频图像构造特征向量,应用主元分析对提取的特征向量进行了降维处理,并在三维坐标系中进行表示和状态识别。以滚动轴承不同状态的识别为例,验证方法的有效性。研究表明此方法能够提高设备状态识别的准确性,有利于设备故障诊断的发展。     

基于EVMD-LNMF的复合故障信号分离方法

非负矩阵分解算法(NMF)和变分模态分解算法(VMD)已用于复合故障信号的分离,但VMD算法过程中模态分量个数难以确定,且NMF算法由于缺少相关约束,对故障源相互耦合,特征信息微弱分解效果并不理想。为此提出了基于能量收敛因子为判据的变分模态分解算法(EVMD)与局部非负矩阵分解算法(LNMF)相结合的复合故障信号分离方法;构造了能量收敛因子,并以此为判断准则,自适应确定VMD算法中模态分量个数;将获得的模态分量重构组成模态矩阵,采用邻近特征值占优法获取LNMF算法中的最优分解维数;对模态分量作LNMF算法处理,突出局部特征信息,从而分离出耦合的多故障信号,提取故障特征信息。仿真及轴承复合故障实验结果表明:提出的基于EVMD-LNMF的信号分离方法,明显优于未改进的VMD-NMF方法,可以有效分离并提取出外圈与滚动体冲击性特征,实现了轴承的复合故障诊断。     

融入上下文相互关系的概率矩阵分解推荐

上下文感知推荐系统在传统的推荐算法中加入了上下文信息,从而有效地提高了推荐效果.上下文感知推荐算法将上下文融入推荐生成过程的不同阶段分成三类.大部分算法虽整合了上下文信息,但忽略了上下文之间的相互关系.针对这种情况,提出一种推荐算法.首先在众多的上下文信息中,通过统计方法,提取具有显著不同的上下文特征,从而降低了数据的维度和稀疏度;然后计算上下文信息之间的修正余弦相似度,并与概率矩阵分解模型结合,从而有效地将上下文相互关系融入到了概率矩阵分解中.实验结果表明,该方法可以有效利用上下文的相互关系,提高推荐的准确度.     

考虑等级的民航个性化航空路线推荐模型

航空旅客会员等级以及航班舱位等级可以有效区分不同等级的旅客群体,提升航空路线个性化推荐的准确性。在已有的加权矩阵分解模型基础上,引入旅客会员等级和航班舱位等级,建立了考虑等级因素的个性化航空路线推荐模型。通过实际航空运营数据进行实证研究,检验了考虑等级的个性化航空路线推荐模型的有效性。实证结果表明,旅客会员等级和航班舱位等级显著影响航空路线个性化推荐的效果,同时考虑会员等级和舱位等级的航空路线推荐模型的平均召回率,与平均精确率比未考虑等级的航空路线推荐模型分别提高5.6%以及1.1%。研究还发现,考虑等级的航空路线推荐模型在不同等级的旅客数据集上推荐的效果存在差异,不同会员等级和舱位等级的旅客需求不同,舱位等级因素对高端等级旅客显得尤为重要,但对于普通等级的旅客,会员等级的影响因素大于舱位等级。     

基于低秩和稀疏分解的滚动轴承故障特征提取方法对比研究

滚动轴承是机械设备中广泛使用的关键部件，其故障特征的准确提取对设备稳定运行至关重要。轴承的初始故障很微弱，容易被背景噪声掩盖，这使故障特征的提取较为困难，需要对轴承故障特征与噪声的特性进行准确刻画。针对上述问题，为了深入探究轴承故障特征及噪声在时频域中的低秩与稀疏特性及其内在关联，对轴承故障特征提取低秩稀疏分解框架下的两种代表性方法开展对比研究，以便充分利用故障特征与噪声成分的性质，为噪声干扰下的轴承故障提取方法选择提供一定的依据。利用周期性瞬态冲击信号在时频域中的稀疏与低秩特性建立矩阵分解模型，对比了Go分解(go-decomposition, Go-Dec)和非负矩阵分解(non-negative matrix factorization, NMF)两种具有代表性的分解方法，并将其应用于时频域中滚动轴承的故障特征提取。首先，基于短时傅里叶变换(short time Fourier transform, STFT)生成振动信号的时频矩阵，并揭示了轴承故障脉冲在时频域中具有的稀疏性和低秩性。利用Go-Dec和NMF两种矩阵分解方法，分解出表征故障特征的矩阵。最后，对分解的故障矩阵采用逆...     

基于特征值分解的随机子空间算法研究

针对基于数据驱动的随机子空间法计算效率低下的问题,提出一种基于特征值分解的随机子空间算法,该方法通过对ＣＨ矩阵的特征值分解得到扩展可观测矩阵Ｔｍｉ,进而识别出系统模态参数。相比于传统算法,该算法免去了对Ｈａｎｋｌ矩阵的ＱＲ分解及投影矩阵的ＳＶＤ运算,从而大大节省了内存和计算时间。通过一个７自由度的数值仿真和重庆朝天门大桥模型的实例分析证明该方法在保持计算精度的情况下大幅度地提升了计算效率。