基于低秩描述的特征提取算法

低秩表示算法是通过最小化矩阵核范数来求解低秩表示系数,然而待求解的低秩表示系数的稀疏性低的要求导致求解不稳定的情况。针对这个问题,在基本的图像低秩表示算法中引入一个约束条件来保证系数的最稀疏性,在特征提取过程中来获取图像数据在各个空间中的整体几何结构。通过对不同的加噪图像进行去噪恢复和分类识别,并与现有算法对比,证明改进算法的低秩特性更具有效性和判别性。在ORL库和Yale B库人脸库上的实验结果证明,改进的算法比原算法在图像去噪效果上更有效,具有较高的识别率。     

低秩先验引导的无监督域自适应行人重识别

无监督域自适应行人重识别在智能监控中发挥着重要作用,并引起了研究者的广泛关注.尽管目前的研究已经取得了较大进步,但不同数据集之间的域偏移问题给行人重识别带来极大挑战.研究发现,在连续时间里,同一摄像机视角下的行人图像具有相同的风格,如果将这种风格信息从行人图像中分离出去,将有效缓解由图像风格差异引起的域偏移问题.为此,提出一种低秩先验引导的域不变信息分离的字典学习方案.根据风格信息的低秩先验性,将行人图像特征中的风格信息和行人身份信息分离开来,根据同一身份行人属性的域不变性建立视觉特征与属性之间的联系,缓解域偏移所带来的影响,通过自训练策略来调整学习参数.实验表明,方法的性能在很多数据集上超过了传统的无监督域自适应行人重识别方法以及部分基于深度学习的无监督域自适应行人重识别方法.     

改进的自适应最优低秩信道估计算法

针对正交频分复用系统中线性最小均方误差(LMMSE)信道估计算法计算复杂度高,且存在当信道的统计特性与先验知识不匹配时估计性能恶化的问题,利用信道频域冲激响应的移动平均自相关函数,结合子空间分解、跟踪和序列正交原理,提出一种改进的自适应最优低秩信道估计算法.对比文中算法和LMMSE算法、LS算法和联合AIC(akaike criterion)秩估计准则的自适应低秩信道估计算法,结果表明:文中算法的秩估计更为精确;在插入导频数量较少的情况下,改进的信道估计算法能获得更高的信噪比性能增益.     

基于低秩表示的判别特征提取算法

为了更好地获取高维数据的特征,提出一种特征提取算法——低秩判别映射. 首先基于低秩表示构造代表样本关联性的关联矩阵,然后利用关联矩阵应用判别准则. 低秩表示以样本作为基函数,利用所有样本构建关联矩阵,其构造特点决定了关联矩阵能够很好地体现样本集的全局结构和样本之间的判别关系. 人脸数据集的实验表明,低秩判别映射优于其他广泛应用的特征提取方法.     

基于低秩投影与稀疏表示的人脸识别算法

当训练和测试图像同时受到污损时,人脸识别的性能会急剧下降。为了解决这一问题,提出了一种新的人脸识别算法。首先利用鲁棒主成分分析(robust principal component analysis,RPCA)方法得到训练样本的低秩部分;然后基于原始训练样本及其低秩部分得到低秩投影矩阵,该矩阵可以对存在污损的测试图像进行恢复;最后使用稀疏表示分类(sparse representation based classification,SRC)算法对恢复后的测试图像进行分类。在两个公开数据库上进行实验,实验结果证明了本文算法的有效性,同时识别性能优于SRC及线性回归分类(linear regression classification,LRC)方法,能在一定程度上处理样本数据受到污损的情况。     

自适应秩收敛低秩算法压制沙漠地震随机噪声

针对沙漠地震记录中包含大量复杂噪声降低信噪比的问题,提出一种将变分模态分解(VMD:Variational Mode Decomposition)与混合高斯鲁棒主成分分析(MoG-RPCA:Mixture of Gauss-Robust Principal Component Analysis)相结合的自适应秩收敛去噪...     

基于低秩矩阵填充的推荐算法

针对已有协同过滤推荐技术中评分矩阵极度稀疏问题,提出了一种基于低秩矩阵填充技术的推荐算法.该算法从贝叶斯框架出发,提出了能够解决低秩矩阵问题的分层高斯先验模型,并将广义近似消息传递算法嵌入到贝叶斯框架,规避了贝叶斯学习过程中烦琐的矩阵逆运算,提升了算法运算速度,同时在广义近似消息传递算法中施加阻尼运算以促进收敛.在开放...     

基于加权稀疏低秩组件编码的猪脸识别算法

针对养殖行业中动物很难适应耳标的问题,采用非入侵的识别方式进行猪脸识别,提出了基于加权稀疏低秩组件编码的猪脸识别算法.应用视网膜皮层理论与区域协方差滤波器来估计光照,并结合文中新算法提出自适应伽马校正方法对获取的反射分量进行增强,以减少光照对识别结果的影响;同时,采用训练样本中的低秩组件构建字典矩阵,并重构残差函数处理误差,以提升算法应对含有污垢图像的识别性能.在JDD2017猪脸数据集上进行了光照和面部污垢验证试验,分别统计其识别率与耗时情况.结果表明:文中所提出算法显著优于传统稀疏表示方法,具有容忍光照变化、污垢和训练耗时短的优点.     

基于内核的低秩逼近算法的改进

为进一步提高低秩逼近技术的逼近精度,提出了一种改进的基于内核的低秩逼近算法（IK-BLA）.算法利用在数值上呈现递减规律的、与矩阵列相关的非均匀概率分布函数对大规模n×n矩阵W进行抽样,接着用抽样得到的小规模c×c矩阵W逼近矩阵W.在UCI数据库中部分数据集上的实验验证了IKBLA的有效性.     

基于结构化局部约束低秩表示的人脸识别

针对传统的基于低秩表示的方法需要重新在字典矩阵上计算测试样本的表示系数,会导致计算复杂度升高,降低训练和测试样本表示系数之间的相关性等问题,提出了一种结构化局部约束低秩表示算法用于人脸识别的方法.在原始低秩表示中引入理想编码系数矩阵正则项,使训练样本的表示系数矩阵具有块对角结构;为保持数据的流形结构,引入局部约束项,使相似样本具有相似的表示系数;使用简单的线性分类器对测试样本进行分类.在AR,Extended Yale B,ORL和LFW这4个标准数据集上进行了试验结果验证.结果表明:该算法可以同时得到训练和测试样本的表示系数,对人脸图像中的遮挡、像素破坏和光照变化等具有鲁棒性.     

基于跨域Cookie的单点登录系统的设计与实现

分布式体系架构下,多站点协作的网络应用系统需要整合各自的身份认证和权限认证系统."单点登录"是身份认证系统整合解决方案之一,采用"单点登录"整合系统后,用户只需要登录一次就可以访问所有相互信任的应用系统.在分析现有单点登录服务实现的结构和原理基础上,提出了应用于WEB环境下,基于Cookie的单点登录解决方案.它是一种基于HTTP协议,以跨域Cookie共享为核心的身份认证系统.     

基于域适应与分类器差异的滚动轴承跨域故障诊断

基于数据驱动方法诊断滚动轴承故障时,不同工况下的数据特征分布差异会导致模型诊断性能严重下降.针对这一问题,提出了基于域适应与分类器差异的滚动轴承跨域故障诊断方法.首先利用卷积神经网络对带标记的源域样本和无标记的目标域样本进行特征提取;然后通过2个全连接分类器进行故障分类;最后通过分步优化分类损失、域最大平均差异损失和分...     

从峇峇娘惹族群文化的发展看中华文化的跨文化融合——基于跨文化适应视角的分析

峇峇娘惹是华人移民与马来半岛地区当地民族通婚后形成的一个华人次族群。在东南亚当地特殊历史背景之下,峇峇娘惹族群历经数百年时代变迁,在传承和保留华人传统文化的同时,与当地马来民族等其他文化彼此尊重、相互吸纳、融会贯通,形成兼具中华传统文化与马来当地文化特色的峇峇娘惹文化。在持续发展和传播过程中,峇峇娘惹文化不仅保留了自身文化的本色,呈现出鲜明的多元特色,更获得了多元文化相互融合新的延伸发展,显示出海外华人文化所具有的跨文化适应能力和跨文化融合和谐共生的活力。峇峇娘惹族群对它者文化的开放包容以及运用在地经验所构建起的文化认同,对于当今中华文化“走出去”的跨文化交流与融合显然具有一定的借鉴和启迪意义。     

基于加权L1最小化的图像小波域压缩感知重构

压缩感知理论因为能以少量的采样精确地重构原始信号而得到广泛关注.通过在压缩感知的框架下研究小波域图像重构问题,提出了一类小波域的加权l1最小化方法.该方法不仅利用了信号稀疏性的先验信息,而且在重构模型中,通过对不同小波子带上的系数施加不同的权重,从而整合了图像小波域的结构信息,与经典的压缩感知算法相比具有更好的信号可恢复性.仿真实验结果表明,选用该方法能够以更少的采样得到同等精度的重构图像,验证了该方法的有效性.     

多值分类环境下基于SVM增量学习的用户适应性研究

用户适应问题是智能化人机接口设计中的一个重点和难点，它为人机接口的人性化、智能化和个性化提供支持。由于用户自身的特殊性，例如笔迹、口音、绘画习惯等，系统很难同时适应多个用户的使用，支持向量机(SVM)的学习方法是基于小样本的学习方法，它实现了结构风险最小化，避免了在学习过程中存在的过学习现象。增量学习能有效地利用历史训练结果，从而能在很小的时间空间代价下实现新样本的学习，基于SVM增量学习的方法，能从用户的历史数据中找到根本特性，而不会将可能造成用户冲突的、特定用户习惯的特征也记录下来，因此也就不会产生用户冲突．在在线图形识别系统中，与基于规则的用户适应方法相比，基于SVM增量学习的方法可以适应多个用户．对基于SVM的学习方法进行了分析，将其与用户适应紧密结合起来，对涉及到的3个方面进行了理论和实验上分析和对比：重复学习和增量学习；Syed等提出的和Xiao等提出的两种不同的基于SVM增量学习方法；“一对一”和“一对多”两种不同的多值分类构造方法。从而得出结论：两种增量学习方法都要明显优于重复学习；Syed等提出的增量学习方法在精度和效率都好于Xiao等提出的方法；一对一的多值分类构造方法要优于一对多的多值分类构造方法。     

系统抽样事后分层情形下域的估计

通过定义总体上的一个新的随机变量，给出了系统抽样事后分层情形下，域的目标估计量的模型一设计无偏估计量以及估计量的方差估计，而且证明了这个方差估计是此估计量的理论方差的无偏估计。     

基于信息整合的建筑结构三维重建技术研究

建筑结构图的自动识别和三维重建对延续建筑CAD生成电子图的成果、使审图、算量、施工计划、钢筋放样等后续工序结束当前依赖于人工读图落后状态有十分重要的作用．分析了国内平面表达法建筑制图新标准中仍存在的建筑物三维信息描述的分散性和多样性，提出了工程图的信息提取和整合方法，实现了整体三维重建．     

3维薄区域上Navier-Stokes方程的吸引子维数估计

本文讨论 3维薄区域Ωε =ω× (0 ,ε) 上具多种边界条件的Navier-Stokes方程的长时间行为 .证明系统拥有强的局部吸引子 ;给出在外力与时间无关的情况下 ,吸引子的Hausdorff维数的上界估计 ,并明确维数与区域厚度ε的线性关系     

自适应交叉近似算法在矩量法中的应用

矩量法(Method of Moment, MoM)计算电大目标辐射与散射问题时消耗计算机资源巨大。采用自适应交叉近似算法(Adaptive Cross Approximation Algorithm, ACA)降低了MoM计算电大问题时的内存需求与计算复杂度,借助NURBS(Non-Uniform Rational B-Splines，NURBS)建模方法设计了形状规则且边界清晰的ACA三维分组方法,从而实现了基于矩量法的ACA算法。通过算例证明该方法在不损失MOM的计算精度的前提下有效地降低了存储空间和计算量,并通过与商业软件计算结果对比,验证了算法准确有效。     

微格教学系统的设计与数字化改造

随着数字技术的飞速发展，模拟微格教学系统迫切需要升级改造，以满足现代教学的需要．作者通过对邵阳学院微格教学系统的改造，论述了数字化环境下微格教学系统的结构及实施办法．