矩阵方程AXB=E的最小二乘自反解

通过将最小二乘问题‖AXB-E‖=min转化为相容的矩阵方程组,利用矩阵的奇异值和广义奇异值分解,得到了其有关于广义反射矩阵P的自反矩阵X的极小Frobenius范数解的一般表达式.     

基于奇异值分解的DWT域数字水印算法

本文提出了一种基于奇异值分解的DWT域数字水印算法。首先用Aronld算法对水印图像进行置乱;然后对原始载体图像进行小波变换,同时对低频系数进行奇异值分解;最后将加密后水印宽、高放大到合适尺寸,并嵌入载体图像DWT域的低频子带的奇异值中,完成了水印嵌入。仿真结果表明,本算法嵌入的水印不仅能保证较高的可见性,同时能够很好地抵抗多种攻击,有较好的鲁棒性。     

矩阵奇异值分解定理的直观证明

矩阵的奇异值分解定理是矩阵论的一个基本定理.传统教材中给出的证明方法往往缺乏几何直观.为此,借助正交投影和一个基本三角函数的极限,给出实矩阵奇异值分解定理证明方法的一个更具几何直观的备选方案.     

J-翻转型正交矩阵的分解

在J-翻转型正交矩阵概念的基础上,讨论了其基本性质,并得出这类矩阵的几种特殊分解的方法,获得了一些新的结果.     

矩阵方程AX=B的一类反问题

研究了矩阵方程ＡＸ＝Ｂ的反总是在子空间上的正定解，给出了该反问题有解的充要条件及解的表达式。研究结果推广了文「２」，「３」中的相应结果。     

关于Jacobi多项式的一个新公式

利用超几何级数,证明了关于Jacobi多项式的一个新公式,利用这个公式可以更简单、更直接地求Radon变换的奇异值分解的过程.     

矩阵方程ATXA=D的双对称解

研究矩阵方程Ａ＾ＴＸＡ＝Ｄ的双对称解,利用广义奇异值分解给出了该方程有双对称解的充要条件及解的通式。     

基于奇异值分解的分类器及在人脸识别中的应用

提出了利用一个人脸样本的奇异值分解构造其所在类别分类器的方法，解决了人脸识别中训练样本少的问题，并给出了利用错归样本更新分类器的方法．实验表明每类仅有一个训练样本就可以得到满意的识别率，并且仅利用一个错归样本更新分类器还可以使识别率进一步提高．     

线性流型上矩阵方程的亚正定解

给出了线性方程ＡＸ＝Ｂ（这里Ｘ，Ｂ为已知矩阵），在线性流形Ｓ＝（Ａ∈Ｒｍ×ｍ│‖＝ｍｉｎ，Ｅ，Ｆ∈Ｒ＾ｍ×ｍ）上有亚正定解的充要条件及解的通式。