基于改进的多流形算法的人脸图像集识别

一个图像集由大量变化不一的图像组成,而且这些图像都表示同一个人.现实中的图像集数据是非线性的,造成这些现象的因素有人脸的角度不同、光线的明暗等,因此图像集中的每幅图像都是变化的,如果近似的将一个图像集建模为线性子空间,而忽略了集合中数据结构的变化,很显然是不合理的,这也必然会影响到最后的识别率.受流形理论知识的启发,可以将图像集建模为一个流形,这与传统的将图像集建模为子空间的方法有着本质区别.本文在基于流形的人脸图像集识别方法的基础上进行改进,提出新的计算样子空间距离方法,最后采用所有最短子空间距离的平均值作为流形之间的距离,称为改进的多流形方法(Improved multi-manifold method,IMM).IMM方法在CMU PIE数据库上进行实验,结果表明该方法相比其他方法具有更高识别率.     

预条件的平方Smith法求解大型Sylvester矩阵方程

提出了一种预条件的平方Smith算法求解大型连续Sylvester矩阵方程,该算法利用交替方向隐式迭代(ADI)来构造预条件算子,将原方程转换为非对称Stein方程,并在Krylov子空间中应用平方Smith法迭代产生低秩逼近解。数值实验表明,与已知的Jacobi迭代法等算法相比,该算法有更好的迭代效率和收敛精度。     

矢量阵信号子空间投影波束形成

针对常规波束形成无法充分发挥矢量阵抗干扰性能的问题,提出了基于信号子空间投影的波束形成方法.对声矢量阵接收信号进行三阶张量建模,利用高阶奇异值分解得到信号子空间,并将阵列流形矢量投影于其上,从而得到相应的空间谱计算方法.计算机仿真试验验证了该方法的有效性.     

基于零空间分析的张量局部Fisher判别方法

结合局部Fisher判别、张量子空间学习和零空间分析等技术的优点,提出了一种基于零空间分析的张量局部Fisher判别算法,其特点包括:i) 引入类间判别信息,对局部Fisher判别技术进行调整,提升了算法识别性能并且降低了计算时间复杂度;ii) 通过张量型降维思想对输入样本进行双边投影变换而非单边投影,获得了更高的信息压缩率;iii) 随着训练样本量的变化,可采用基于零空间分析的求解方法和传统的直接迭代更新计算方法。通过ORL、Yale和ExYaleB 3个人脸数据库验证了所提算法的性能。     

基于RSKNN分类改进算法

RSKNN算法是K近邻算法的一种改进算法,该算法基于变精度粗糙集理论,能在保证一定分类精度的前提下,有效地降低分类样本的计算量,并且提高计算效率和分类精度．由于RSKNN算法对属性的依赖度较高,在分类时容易受到伪近邻的影响,导致RSKNN算法的分类精度受到一定程度的影响．针对存在问题,本文提出一种新颖的基于RSKNN算法的改进算法SMwRSKNN,该算法在RSKNN算法的基础上引入类别子空间的思想,以降低冗余属性和伪近邻对分类的影响．在UCI公共数据集上的实验结果表明,SMwRSKNN算法比RSKNN算法具有更高的分类精度．     

Adaptive rational Krylov subspaces for large-scale dynamical systems

The rational Krylov space is recognized as a powerful tool within model order reduction techniques for linear dynamical systems. However, its success has been hindered by the lack of a parameter-free procedure, which would effectively generate the sequence of shifts used to build the space. In this paper we propose an adaptive computation of these shifts. The whole procedure only requires us to inject some initial rough estimate of the spectral region of the matrix, while further information is automatically generated during the process. The approach is a full generalization to the nonsymmetric case of the idea first proposed in Druskin et al. (2010) [18] and it is used for two important problems in control: the approximation of the transfer function and the numerical solution of large Lyapunov equations. The procedure can be naturally extended to other related problems, such as the solution of the Sylvester equation, and parametric or higher order systems. Several numerical experiments are proposed to assess the quality of the rational projection space over its most natural competitors.     

MIMO-CPSC系统中预编码盲信道估计算法研究*

在频域均衡系统中,基于预编码的子空间盲信道估计算法可以有效地对信道进行估计。针对多天线单载波循环前缀系统,提出了一种基于预编码的盲信道估计算法。该算法通过分离出连续两个接收符号块的互相关矩阵所包含的信道信息实现信道盲估计。仿真结果表明,该算法具有较低的计算复杂度以及对信道阶数过估计有很好的鲁棒性,并且该算法利用较少的数据块个数就得到了一个可靠的信道估计值。     

基于属性子空间的孤立点内涵知识挖掘

孤立点通常都包含着重要的信息,挖掘出孤立点的内涵知识可以帮助用户更好地认知数据。通过给出的孤立点的原因属性子空间及其孤立度和孤立点的相似度等概念,提出了一个基于属性子空间的孤立点内涵知识挖掘算法,得到了每个孤立点的原因属性集,并结合聚类的思想把孤立点按照其相似性特征进行了分类,使每一类中的所有孤立点在一定精度下都具有相同的原因属性集。实验结果表明该算法是有效和实用的,且易用性较强。     

Optimal Average Case Estimation in Hilbert Norms

In contrast to the worst case approach, the average case setting provides less conservative insight into the quality of estimation algorithms. In this paper we consider two local average case error measures of algorithms based on noisy information, in Hilbert norms in the problem element and information spaces. We define the optimal algorithm and provide formulas for its two local errors, which explicitly exhibit the influence of factors such as information, information (measurement) errors, norms in the considered spaces, a subset where approximations are allowed, and “unmodeled dynamics.” Based on the error expression, we formulate in algebraic language the problem of selecting the optimal approximating subspace. The solution is given along with the specific formula for the error, which depends on the eigenvalues of a certain matrix defined by information and norms under consideration. Date received: November 25, 1999. Date revised: May 30, 2000.     

基于卡尔曼滤波的ECoG信号去噪方法研究

脑电信号反映了生物体的大脑活动,在采集和处理过程中极易受到各种噪声的干扰,如眨眼、快速眼动、心电、肌电等,这些噪声给脑电信号的分析处理带来了很大的困难。本文提出了卡尔曼滤波模型和模型参数估计的方法,将其应用于脑电ECoG信号去噪预处理。实验所用的数据是公开的脑机接口竞赛实验数据（BCI Competition Ⅲ dataset Ⅰ）,分类正确率为92%。实验结果表明通过本方法去噪预处理后,分类正确率比竞赛第一名高,并且优于小波去噪与谱减法等预处理方法。