一种新的病态问题奇异值修正方案及其在大地测量中的应用

根据观测方程设计矩阵奇异值的分布特点,将病态问题分为具有均匀下降型奇异值和阶梯型奇异值两种类型.针对均匀下降型奇异值提出了一种新的奇异值修正方案,其核心是将奇异值分成两部分分别修正.这种方案兼顾了解的分辨率与方差之间的折中,是一种更加合理的奇异值修正方案.经过实例验证,当法矩阵的条件数小于1010时,这种方案是非常有效的,与其他方法相比较,显著地提高了计算结果的精度.     

检验参数估计值可信度的一种方法

本文提出了一种检验线性参数估计方程的性态和参数估计值可信度的方法,该方法的基本思想是:人为地在测量数据中引入不同程度的随机扰动,根据参数估计方程系数矩阵的奇异值对此扰动的敏感程度,判断它们的性态(良态或病态),据此了解估计方程的性态;根据各参数估计值对病态奇异值的依赖程度,了解它们的可信度。文中的应用实例表明该方法简单、实用,而且有效。     

二维弹性力学边界条件反识别TSVD正则化法

针对二维各向同性弹性力学Cauchy问题,文章采用线性单元对边界积分方程进行离散,再引入已知的边界条件,得到包含所有待求边界条件信息的线性病态方程组。采用截断奇异值分解正则化技术求解该病态方程组,并使用L曲线法选择最优正则化参数,即奇异值截断位置,从而得到方程组的解。通过数值算例对求得的边界条件数值解与解析解进行比较,并进行误差分析,以表明截断奇异值分解算法的有效性和稳定性。通过减少已知数据中的随机偏差和增加边界单元密度可提高求解的精确度。     

SVD算法在亚毫米波付里叶变换谱中的应用

本文介绍了自回归谱分析法中的奇异值分解法(SVD算法)在亚毫米波付里叶变换谱中的应用.SVD算法和前后向最小二乘法(LS算法)相比,它们具有相同的分辨率,但SVD算法能够消除LS算法中出现的假峰和病态的问题,具有更强的抗噪声能力,因而SVD算法比LS算法更加稳定可靠.还讨论了SVD算法的阶数和有效奇异值个数的选择问题.     

一种主奇异三元组提取的快速神经网络算法

为了对两路高维数据流的互协方差矩阵进行在线奇异值分解,提出了一种快速稳定的主奇异三元组提取神经网络算法。首先,提出了一个新颖信息准则,并且基于该准则推导出了一个动态系统。然后,基于该动态系统,推导出了一种快速稳定的在线神经网络算法。该算法可以提取两路高维数据流的互协方差矩阵的左右主奇异向量。另外,算法中奇异向量的长度会收敛到一个与相应主奇异值相关的值,因而该主奇异值也可以被估计出来。相比于传统算法,该算法可以提取该矩阵的主奇异三元组而非仅仅是主奇异向量。与已有算法相比,该算法具有较低计算复杂度、较高收敛速度和稳定性。     

应用奇异值分解改进预测控制算法中的参数设计

本文利用矩阵的奇异值分解理论,推导控制律的另一种实现,使改进后的预测控制算法中的参数设计有一定的理论数据可参考,该算法尤其适合于病态的动态矩阵,使参数设计大为简化。文中还给出了仿真实例。     

一种主奇异三元组提取的快速神经网络算法（英文）

为了对两路高维数据流的互协方差矩阵进行在线奇异值分解,提出了一种快速稳定的主奇异三元组提取神经网络算法.首先,提出了一个新颖信息准则,并且基于该准则推导出了一个动态系统.然后,基于该动态系统,推导出了一种快速稳定的在线神经网络算法.该算法可以提取两路高维数据流的互协方差矩阵的左右主奇异向量.另外,算法中奇异向量的长度会收敛到一个与相应主奇异值相关的值,因而该主奇异值也可以被估计出来.相比于传统算法,该算法可以提取该矩阵的主奇异三元组而非仅仅是主奇异向量.与已有算法相比,该算法具有较低计算复杂度、较高收敛速度和稳定性.     

一种自适应的鲁棒性矩阵补全方法

针对传统矩阵补全无约束优化模型在处理奇异噪声损坏的缺失矩阵时鲁棒性较差的问题, 提出一种自适应的鲁棒性矩阵补全方法. 该方法在目标函数中使用截断核范数作为秩函数旳低秩逼近, 并采用对奇异噪声鲁棒的F范数作为损失项恢复矩阵中的缺失值, 以降低异常值对算法的影响, 提高恢复精确度. 在求解该模型过程中, 先采用凸优化技巧引入一个动态权重参数, 此参数可在更新恢复值时根据当次恢复误差大小自适应地调节下一次更新, 再进一步建立求解优化问题的有效迭代方法. 实验结果表明, 该算法在处理被奇异噪声损坏的矩阵时有较好的鲁棒性和精确性, 从而可得到更好的图像修复效果.     

矩阵商的双曲奇异值分解及其应用

给出了两个退化的和非退化的双曲奇异值分解定理,并用非退化的双曲奇异值分解提出了无约束和等式约束不定最小二乘问题的新的算法.最后,数值实验的结果表明该新算法是有效的.     

基于粒子群的改进智能算法在载荷识别中的应用

针对粒子群优化算法(PSO)无法处理反求问题中的病态问题,基于粒子群优化算法,通过遗传算法对粒子群优化算法进行改进,提出一种改进的粒子群优化算法(GAPSO),通过载荷识别对该方法进行验证,并应用于静态载荷识别和动态载荷识别算例中。研究结果表明:改进后的粒子群优化算法既能使粒子群优化算法处理病态问题,又提高了反求问题的求解精度。     

二维位势边界条件反识别TSVD正则化法

二维各向同性材料Cauchy位势边界条件反识别问题是不适定的,通过边界元方法得到线性方程组的系数矩阵呈现病态,测量数据的随机偏差会影响分析结果的稳定性和精确性。文章运用截断奇异值分解正则化方法来处理该反问题,借助L曲线法选择奇异值截断位置,进一步可求解得到未知边界条件。圆环和方形板区域热传导2个算例结果分析表明:获取数据的偏差越小,边界划分单元越细密,数值解越接近解析值,正则误差也越小。     

一种DT-CWT域内的自适应图像零水印算法

作者提出了一种基于二元树复小波变换（DT-CWT）和奇异值分解（SVD）的零水印算法,核心思想是自适应选取DT-CWT的两个低频系数矩阵的奇异值,作归一化处理后构造零水印信息,并给出了检测阈值分析.实验证明,该算法不仅保证了水印的稳健性和透明性的统一,而且对各种滤波、JPEG压缩、加噪以及一些几何攻击具有较强的稳健性.     

基于SVD的数字水印算法及相似性度量方法的改进

在基于奇异值分解(SVD)算法的基础上,提出了一种基于Strassen矩阵乘法的奇异值分解水印算法;提供了原图像和水印图像的相似性度量方法;给出了该算法与SVD及Block-SVD算法的时间对比分析.实验结果表明:该算法的鲁棒性强,速度快,效率高.     

基于稀疏谱匹配的高分辨DOA估计方法

针对迭代加权最小二乘类稀疏重构算法性能易受过完备基条件数影响的缺陷,提出了一种基于稀疏谱匹配的高分辨DOA估计新方法.对过完备基进行奇异值分解,采用TSVD方法剔除较小奇异值对应的特征向量,获得一个良态矩阵,并用此矩阵替代的过完备基矩阵,采用l_p范数约束正则化FOCUSS算法进行稀疏重构,解决了因网络划分过细造成的过完备基条件数过大带来的病态问题,并用粗、细两步网格划分来降低算法的复杂度.仿真结果表明,相对于MFOCUSS方法,本文方法不仅具有较低的计算复杂度,而且具有更高的分辨率和噪声鲁棒性.      

奇异两点边值问题改进的梯形公式外推方法

研究奇异两点边值问题的高精度数值方法.首先,将奇异两点边值问题转化为奇异积分的计算问题.其次,利用改进的复合梯形公式离散奇异积分,针对几种不同情形给出了误差渐近展开式.再次,由误差估计式设计了一种改进的龙贝格算法,利用该算法可以得到问题的高精度数值解.最后,通过数值算例说明了算法的有效性.     

关于求解病态和奇异方程组的Marchuk算法的註记

本文讨论了求解病态和奇异线性方程组的Marchuk算法在具体实现中的某些数值计算问题(例如,正则方程的求解及其初始近似的选择等),给出了将该算法应用于对称正定方程求解时得到的一个特殊结果。基于上述讨论,给出了一个具体的Marchuk算法;对于一些高度病态方程组求解的数值试验表明,这个算法具有很好的数值稳定性,而且计算量不大。     

薄体结构热弹性力学分析的边界元法

针对边界元法分析薄体结构和求解近边界物理参量时遇到的几乎奇异积分难以处理的困难，将几乎奇异积分划分为两种类型，分别通过分部积分把引起积分几乎奇异的参量变换至积分号之外，从而建立了一个新的正则化算法，成功计算了几乎强奇异和超奇异积分。文中用该算法分析了二维热弹性力学薄体问题，算例证明了本法的有效性。     

病态问题解算的直接正则化方法比较

为了解算病态问题,需正确选择适合的正则化方法,为此分析了截断奇异值法和Tikhonov正则化方法的异同点.在此基础上,阐述了L曲线法和GCV法确定最优正则化参数的基本原理.通过数值算例分析表明:截断奇异值法和Tikhonov法可以有效消除观测方程的病态性；利用L曲线法和GCV法不仅可以对Tikhonov方法中的连续正则...     

基于双边迭代奇异值分解的递推子空间辨识方法

引入双边迭代奇异值分解算法，通过一系列的QR分解，用两个矩阵分别逼近奇异值分解的主要左、右奇异向量，用一个三角矩阵逐渐逼近主要的特征值，从而取代了原始MOESP子空间辨识算法中的奇异值分解步骤。通过用一系列Givens变换来实现QR分解的数据更新，实现了此类子空间方法的在线递推辨识。仿真表明，该方法可以有效地对系统的极点进行跟踪。     

分块PCA和奇异值分解相结合的人脸识别算法

针对分块PCA算法对位移、旋转等几何变化比较敏感的缺点,提出一种基于分块PCA和奇异值分解相结合的人脸识别算法。该算法分别提取分块子图像的PCA特征和奇异值特征,在此基础上得到同时包含分块PCA和奇异值信息的距离测度,利用最小距离分类器进行分类识别。在ORL人脸库上的实验结果表明,该方法能够得到较高的识别率。