投影矩阵序的判定定理的一种证明

利用初等矩阵理论的方法,证明了投影矩阵序的判定定理,此定理是研究复杂系统的第二条基础定理.对称分析理论和正交分析理论是研究复杂系统的基本理论,矩阵象是研究对称性和正交性的主要工具,此定理的主要作用是研究处理矩阵象的序运算规律,这些规律是提出的GL算法、零成分搜索法、对称性全局方差分析、正交性全局方差分析等起源于东方文化的新方法的数学基础.     

计算正交表矩阵象的简便方法及其初等证明

利用投影矩阵正交分解构造正交表时,经常用到小正交表的矩阵象,而这些小正交表的矩阵象用矩阵象定义求解时却显得有些烦琐.在一些文献中出现了求解正交表矩阵象的简便方法.本文对这种求解方法给出了初等证明.     

矩阵函数谱分解的解析表达式

该文给出矩阵函数谱分解的解析表达式，并举了一些应用方面的例子。     

基于矩阵型惯性投影神经网络的非负矩阵分解算法

提出一种基于矩阵型神经动力学优化的非负矩阵分解算法.将矩阵非负分解优化问题首先转换为两个矩阵变量凸优化子问题,针对其子问题分别提出矩阵型惯性投影神经网络;然后,采用交替迭代方案寻找矩阵非负分解优化问题的解.理论分析证明了矩阵型惯性投影神经网络能收敛于矩阵变量凸优化子问题的最优解,并且基于矩阵型神经网络的交替迭代算法可以收敛到矩阵非负分解优化问题的偏最优解.最后,所提出的基于矩阵型神经网络的交替迭代算法被有效地应用于人脸识别.     

矩阵极化分解定理的简单证明

文章给出不可逆矩阵极化分解的一个简单证明,所给出的方法同样适用于证明可逆矩阵的极化分解．     

论正规矩阵的充要条件

由矩阵对角化，矩阵分解，谱分解，矩阵实部和虚部及特征向量等方面论证了正规矩阵的充要条件。     

计算机视觉摄像机定标中投影矩阵的计算

摄像机定标是计算机视觉的基本问题，对于计算机视觉摄像机定标中投影矩阵的计算进行了总结和证明。     

一种实用快速非负矩阵分解算法

提出了一种基于快速非负矩阵分解算法的实用新算法.该实用快速非负矩阵分解算法扩展了快速非负矩阵分解算法的约束条件,并且保持了较高的收敛速度,更具一般性和实用性.然后对该新算法进行了一些稀疏非负矩阵分解的扩展应用.数值实验显示该实用快速非负矩阵分解算法和快速非负矩阵分解算法具有相近的收敛速度,与其他经典非负矩阵分解算法相比其收敛速度有明显的提高,同时对添加稀疏性约束条件的实验也有很好的效果.     

关于可逆矩阵的Bruhat分解定理的注记

在这篇注记里，基于可逆矩阵的Bruhat分解定理，我们获得了可逆矩阵的另外三种分解形式。     

关于复正交矩阵的一个分解式的注记

研究了复正交矩阵的某些性质，根据文中复正交矩阵的一个矩阵分解式，给出了复正交矩阵的奇异值分解和一些有关结果，并进行了证明。     

一个求实对称矩阵的全部特征值及特征向量的新方法

本文是在正交投影方法、正幂法和带平移的反幂法的基础上引申出的一种求实对称矩阵的全部特征值和相应的特征向量的新方法。此方法可以按特征值的绝对值由大到小依次求出全部特征值和相应的特征向量。因每一步求解都是针对原始矩阵进行的,从而有效地抑制了误差的传递和积累。这一方法不但结构简单,收敛速度快,更有精度高等优点。经数值实验表明是十分成功的。     

有限维线性空间上的投影与幂等矩阵

利用线性变换与矩阵的对应关系,讨论了复数域C上的n维线性空间V上的投影变换与幂等矩阵之间的关系.     

Bartlett 分解定理的简便证明

对服从Wishart分布的随机矩阵W－Wp(n,I）已有著名的Bartlett分解定理,结果非常完美,但证明过程既繁又长,本文用特征函数方法证明2个服从n-i 1维标准正态分布、且相互独立的随机向量的内积应同分布于一个服从χ^n-i 1分布的随机变量与一个与其独立且服从N（0,1）分布的随机变量的乘积,从而简单而直观地证明该定理,虽结论稍减弱为W^d＝T′T,但并不影响其在大多数场合的应用。     

轴测投影基本定理的佐证

该文运用轴测投影的基本原理及据此建立的轴测投影变换的通用矩阵为工具，根据矩阵比较法，两矩阵相等其对应元素相等的代数关系，确定轴测投影变换矩阵中的各个参数。文中以尺度单位四面体为例，对其作用轴测投影变换矩阵而得到一个完全四角形，这个完全四角形即为尺度单位四面体的轴测投影，并用形数结合的方法证明了波尔凯－许华兹定理，为利用计算机和数学工具认识和研究图学理论提供一个例证     

基于NMF及其正交投影变换的数字水印算法

提出一种基于非负矩阵分解(non-negative matrix factorization,NMF)及其正交投影变换的数字水印算法.利用NMF构造图像基于部分表示的基矩阵,将其正交并作为水印检测的密钥;将水印信息嵌入图像在正交基矩阵上投影的系数矩阵;再通过反变换重构图像.由于上述措施保持了NMF部分表示整体的能力,且改迭代运算为矩阵投影运算,因而算法在重构精度方面表现出明显的优势.将其应用到数字水印系统,并与文献[4]中实现的水印算法进行对比.实验结果表明,改进算法的鲁棒性更好,实用性更强.