基于LSSVM的静态手势识别

支持向量机(Support Vector Machine，简称SVM)，是基于统计学习理论的一种新的模式识别方法，较好地解决了小样本学习问题。通过使非线性空间变换为线性空间，降低了算法的复杂性。LSSVM(Least Squares Support Vector Machine)由于使用线性等式代替了标准的SVM算法中的线性不等式，进一步降低了运算量。利用傅立叶描述子获取静态手势特征向量，通过LSSVM大尺度算法求解方程组来得到LSSVM分类器，进行静态手势识别，取得了较高的识别率。说明如何把静态手势识别结果应用到机器人远程控制中，提高人机交互的友好性。     

一个求解非线性方程组的区间检验算法

引言非线性方程组的数值求解一直是计算数学的中心任务之一，越来越受到人们的重视．以Newton迭代法为代表的点迭代方法一直是被广泛运用的求解方法．但是，点迭代方法难以进行可靠的误差估计，且对迭代初值有较为苛刻的要求．本世纪七十年代以后兴起的区间分析方法可用于求解非线性方程组，特别在解的误差估计和解的存在性检验方面是卓有成效的．但是，区间方法的致命缺点是计算速度慢，运算量大；而且由于区间运算的复杂性，其程序的实现难度很大，有时甚至难以用于实际计算．这些缺点严重地限制了区间方法的应用和发展．因此，人们自然…     

IP电话回声消除LMS改进算法的研究

针对传统LMS算法运算量大收敛性能差的缺点,提出了一种减小运算量并且提高收敛性能的LMS自适应滤波算法.首先从理论上介绍并分析了两种自适应滤波算法--量化误差算法(运算量小)和变步长算法(收敛速度快),接着将这两种算法的优点有机结合,提出了一种改进算法.通过在MATLAB下的辨识仿真研究和对误差曲线的分析,证明了结合后的改进算法在运算量和收敛速度方面都优于传统LMS算法.算法对于IP电话中回声消除的自适应滤波问题提供了一个较好的算法.     

MPEG-4形状编码中尺寸转化的研究

尺寸转化是MPEG-4形状编码技术的关键步骤之一。该文在分析MPEG-4检验模型(VM)中形状编码算法的基础上，提出了一种改进的尺寸转化算法。试验结果表明这种算法减少了尺寸转化的次数，提高了编码速度，减少了运算量。     

基于遗传算法的非线性方程组求解

针对目前求解非线性方程组所采用的牛顿法及其变形算法存在的运算量大、求解速度慢的问题,提出了一个求解非线性方程组近似解的通用遗传算法。该算法主要采用求解目标函数极小值的思想,并结合遗传算法并行搜索的特点,通过选择和设置适当的父体选择策略、杂交算子、变异算子等参数,使算法取得了较高的收敛速度和精度。实验结果表明,该方法明显优于传统方法,并具有运算速度快、精度高、通用性好的特点。     

易于硬件实现滤除ECG信号运动干扰的变步长LMS算法

针对移动心电(ECG)信号监测系统中运动干扰难以滤除的问题,提出了一种易于硬件实现的数字自适应变步长最小均方(LMS)算法.通过简化步长因子与输入信号的关系,减少了权值更新系统的运算量;分析传统LMS算法收敛性不稳定的问题,结合迭代次数优化步长因子,提高了算法的收敛性能.对比传统LMS算法,所提算法在运算量增加微小的情况下,收敛性能大幅提升,信噪比(SNR)增加大于14dB.仿真结果表明:算法在心电信号进行实时硬件集成滤除运动干扰方面具有运算量小,滤波效果好等优点.     

车牌识别中倾斜牌照的快速矫正算法

在车辆牌照自动识别(LPR)过程中，车牌图像的倾斜会给下一步字符切分和识别带来困难。利用传统Hough变换进行矫正的运算量很大，文中提出采用轮廓跟踪方法去除牌照图像中和矫正无关的所有冗余信息并采用分级检测的策略，在最大程度上减少矫正过程的运算量。实验结果表明，该方法可以准确地检测出车牌的倾斜角度，同时矫正速度比传统Hough变换方法提高10倍左右。     

数组

编译程序的主要数组是位条和框架数组,它们由阶段25在代码生成时使用。下列说明详述与经受代码生成的文本项的运算符有关的位条和框架数组。对每个运算符的框架数组用一串由基本操作码(它被改变以适合运算量的模式)和运算量(它们是以编码的形式)组成的汇编语言指令说明。运算量编码和它们的意义     

一种基于改进混合高斯模型的前景检测

针对传统混合高斯模型(GMM)前景目标检测运算量过大问题,提出一种基于改进混合高斯模型的前景检测算法(TGM)。通过基于历史信息的模型清理机制,减少背景稳定区域像素点的高斯分布数量,进而降低算法运算量;建立临时高斯分布,运用更简单的加减运算进一步减少运算量,最后将符合条件的临时高斯分布转化为正式高斯分布,避免模型无意义的频繁更新,提高了准确性。实验结果表明,改进后的算法与原算法相比,具有更好的实时性和很好的准确性。     

基于格雷码的低计算量改进PTS方法

部分传输序列(PTS)方法能够有效地降低OFDM系统峰均功率比(PAPR)过高的问题,但是该方法的主要缺点是计算复杂度高.针对这一缺点,提出一种新的低计算复杂度PTS方法,采用格雷码生成加权系数序列,使之在降低运算量的同时更易于硬件实现.分析和仿真结果表明,和传统PTS方法相比,该方法降低了运算量和实现复杂度,同时保持了系统PAPR的性能.     

用度量矩阵和偏差矩阵加速修改AHP中判断矩阵的多对元素交叉方法

本文通过分析判断矩阵,一致性矩阵,导出矩阵及度量矩阵的关系,提出一种用度量矩阵和导出矩阵交叉加速修改AHP中的判断矩阵.当判断矩阵的一致性较差时,基于导出矩阵和度量矩阵中偏离大的元素对判断矩阵一致性的影响较大,通过度量矩阵得出加速修正的步长.每次修改判断矩阵的一对元素即可进行判断矩阵的修正.实例分析表明,交叉修正法是可行的,且可根据问题的性质,灵活确定修正的步长.     

K-L变换观测矩阵优化算法

观测矩阵的研究在压缩感知中尤为重要,其中观测矩阵的优化是观测矩阵研究中的关键问题之一。根据减小观测矩阵与稀疏矩阵之间的互相关性达到优化观测矩阵的思想,提出了K-L变换观测矩阵优化算法。该算法利用原始信号协方差矩阵的特征向量矩阵对传感矩阵进行变换,从而减小观测矩阵与稀疏矩阵之间的互相关性,进而得到优化后的观测矩阵。仿真结果表明,优化后的观测矩阵重构图像的峰值信噪比值大于未优化观测矩阵重构图像的峰值信噪比值,尤其是在观测数目较少的情况下,用该算法优化后的观测矩阵重构的图像具有较高的精度。     

易于硬件实现的压缩感知观测矩阵的研究与构造

在压缩感知过程中,观测矩阵在信号采样及重构中具有重要作用,构造易于硬件实现、结构简单且占内存较小的观测矩阵是压缩感知理论能否实际应用的关键问题之一。提出两种易于硬件实现的观测矩阵,即顺序部分哈达玛观测矩阵和循环伪随机观测矩阵,其中循环伪随机观测矩阵可分为循环m序列和循环gold序列,并证明了伪随机序列所构造的观测矩阵满足有限等距准则。为验证上述两种观测矩阵性能,对二维图像信号进行仿真,结果表明,在较低的采样率下顺序部分哈达玛观测矩阵的重构效果最优,但是采样信号长度必须是2的k次幂;循环伪随机观测矩阵的重构效果虽然弱于顺序部分哈达玛观测矩阵,但是明显优于高斯随机观测矩阵,克服了顺序部分哈达玛矩阵观测信号必须是2的k次幂的限制。提出的两种观测矩阵易于硬件实现,避免了随机矩阵的不确定性且克服了随机矩阵浪费存储资源的缺陷,具有良好的实际应用价值。     

Web用户聚类算法

Web用户聚类是将具有相似访问特性的用户归在一起,在电子商务的市场分割和为用户提供个性化服务中,能发挥巨大作用。文章提出基于用户访问路径以及节点高度的相似性评价函数,建立相似矩阵,并提出相似矩阵结构分解算法对此相似矩阵进行变换生成对角矩阵或下三角矩阵,该矩阵中的每一个子对角阵即对应一个用户类,矩阵的左下角对应各用户类之间的关系。     

迹占优矩阵的性质和迭代算法

基于迹占优矩阵和广义迹占优矩阵的概念,得到了迹占优矩阵和广义迹占优矩阵的一些性质结合最优化理论和广义迹占优矩阵的性质,提出了判断一个矩阵是否是广义迹占优矩阵的算法通过数值算例对所得算法进行了验证。     

梯形模糊互反判断矩阵的一致性及修正

研究具有严格偏好关系的梯形模糊互反判断矩阵满意一致性的判定及其修正方法。首先,将梯形模糊互反判断矩阵转化为判断矩阵和排列矩阵;然后,根据梯形模糊互反判断矩阵的排列矩阵来判定是否具有满意一致性;基于梯形模糊数的类质心,给出将排列矩阵转化成上三角矩阵的方法,从而实现方案的排序;最后,通过项目评估问题验证了所提出方法的实用性。     

依据列相关性优化高斯测量矩阵

为了提高信号重建的精度以及稀疏度适用范围,提出了一种新的测量矩阵优化方法,减小测量矩阵和稀疏变换矩阵的相关性。首先,由测量矩阵和稀疏变换矩阵的乘积构造Gram矩阵;根据Gram矩阵的维数,计算互相关函数的下确界即Welch界;其次,由Welch界确定阈值,收缩Gram矩阵中大于阈值的非对角元;然后,由新得的Gram矩阵和稀疏变换矩阵反解出测量矩阵,迭代更新,从而达到减小相关性,优化测量矩阵的目的。实验结果表明：依据Welch界优化测量矩阵,能快速降低压缩感知矩阵相关性的最大值,提高OMP算法的性能,例如在误差率为10_-0.9时,原高斯随机矩阵需要23个观测值,算法优化后只需16个观测值,相对于Elad、Zhao等观测矩阵优化方法,文中提出的算法具有更小的重构误差,性能和稳定性也略有提升。     

基于Coq的分块矩阵运算的形式化

矩阵是工程领域中常用的一种数据结构,在深度学习领域,矩阵乘法是神经网络训练中的核心技术之一,面对大型矩阵的运算问题,分块矩阵技术可将大矩阵运算转换为小矩阵运算以实现并行运算,并且能够大幅度减少矩阵运算步骤并且提高矩阵运算速度.本文首先对目前学术界的矩阵形式化工作进行了系统总结并且分析了矩阵形式化的主要几种方法;其次介绍并完善了基于Coq记录类型的矩阵形式化方法,其中包括提出新的矩阵等价定义、对之前的形式化工作进行了整理和完善,并证明了一组新的引理;在此基础上进一步实现了分块矩阵运算的形式化,讨论了该类型的归纳证明的难点和解决方法;最终实现了矩阵与分块矩阵形式化的不同类型的基础库.     

基于Skowron差别矩阵属性约简的矩阵表示

针对目前基于Skowron差别矩阵的属性约简中缺少矩阵表示的问题,定义一种新的矩阵,并给出基于新矩阵的属性约简定义,证明该定义与基于Skowron差别矩阵的属性约简等价。以矩阵为基础,定义属性的重要性,设计一个基于Skowron差别矩阵的属性约简算法,实例证明了算法的有效性。     

Recursive formulation of the matrix Padé approximation in packed storage

The Extended Euclidean algorithm for matrix Padé approximants is applied to compute matrix Padé approximants when the coefficient matrices of the input matrix polynomial are triangular. The procedure given by Bjarne S. Anderson et al. for packing a triangular matrix in recursive packed storage is applied to pack a sequence of lower triangular matrices of a matrix polynomial in recursive packed storage. This recursive packed storage for a matrix polynomial is applied to compute matrix Padé approximants of the matrix polynomial using the Matrix Padé Extended Euclidean algorithm in packed form. The CPU time and memory comparison, in computing the matrix Padé approximants of a matrix polynomial, between the packed case and the non-packed case are described in detail.