基于矩阵奇异值分解的证据冲突度量算法

针对证据理论中证据冲突度量这一关键问题,提出了基于矩阵奇异值分解的证据冲突度量算法.首先将证据的BPA向量投影到单位圆上,然后运用投影后证据向量的BPA矩阵和焦元关联矩阵构造归一化BPA矩阵,接着对其进行奇异值分解,最后根据奇异值定义证据的最大干扰分量与主分量,并将二者比值作为冲突度量.通过对Zadeh悖论扩展形式、完全冲突证据和焦元为嵌套子集等多种情况进行对比实验,验证了本文算法是较为理想的证据冲突度量方式,能够正确预测证据集的冲突程度.     

矩阵广义奇异值分解的一种算法

本文论述了一种A的B奇异值分解的算法。算法分为二大部分,首先是对矩阵(A B)进行列主元QR因式分解,将这个广义奇异值分解问题归结为具有正交列的分块矩阵(Q_1 Q_2)的CS分解问题,其次就是给出关于(Q_1 Q_2)的CS分解的计算方法,这个算法避免了[5]中的重正交化和[10]中对子矩阵的再一次SVD计算,在一定条件下它是快速的且稳定。     

矩阵广义奇异值分解的一种算法

本文论述了一种A的B奇异值分解的算法。算法分为二大部分,首先是对矩阵(A B)进行列主元QR团式分解,将这个广义奇异值分解问题归结为具有正交列的分块矩阵(Q_1 Q_3)的CS分解问题,其次就是给出关于(Q_1 Q_2)的CS分解的计算方法,这个算法避免了中的重正交化和中对子矩阵的再一次SVD计算,在一定条件下它是快速的且稳定。     

基于CORDIC矩阵奇异值分解的FPGA实现

在矩阵的奇异值分解(singular value decomposition,SVD)过程中,随着矩阵维数的增加,SVD的计算量呈指数型增长,从而降低了算法运行的实时性。针对这个问题,基于Hestenes-Jacobi数值计算方法,提出了一种改进的基于坐标旋转数字计算机(coordinate rotation digital computer,CORDIC)的逻辑设计,该逻辑设计采用并行的全流水线设计思想,能够提高Jacobi平面旋转变换的运行速度,进而加快任意维矩阵奇异值分解的计算速度。分析了基于Hestenes-Jacobi方法的SVD的数值计算过程,介绍了CORDIC算法的基本原理,并具体说明了基于CORDIC算法的Jacobi平面旋转模块的设计,利用Verilog语言实现设计并验证,在现场可编程门阵列(field-programmable gate array,FPGA)上运行该逻辑设计单元,与Matlab软件的运行结果进行对比。实验测试结果表明,该结构能够减少计算时间,适应高速数据处理的要求。     

基于模极大值矩阵奇异值分解的信号特征提取与分类识别

提出了基于波变换模极大值矩阵奇异值分解的方法,用该方法获得的奇异值特征矢量作为信号的特征可以压缩特征维数,而且更容易进行计算机自动识别,同时还具有时间平移不变性的突出优点。仿真实验表明了该方法的有效性。     

奇异值分解中非奇异矩阵的性质结构

矩阵分解在和矩阵理论中有着极其重要的作用,其中奇异值分解尤其重要,本文着重研究了三个矩阵QQ-SVD分解中非奇异矩阵的性质结构。     

双对称矩阵的奇异值分解

给出了双对称矩阵的定义,研究了双对称矩阵的性质.讨论了双对称矩阵的奇异值分解的新算法,此算法可极大地减少双对称矩阵的奇异值分解的计算量与存储量.给出了Matlab程序语言,并用具体例子验证了结论的正确性.     

基于奇异值分解的非线性滤波算法

为了克服强单音干扰条件下传统的线性预测滤波方法抗干扰性能不佳的问题,提出了一种联合奇异值分解(SVD)和非线性滤波抑制直接序列扩频通信(DS／SS)中单音干扰的方法,建立了相应的系统模型,并与传统的线性和非线性滤波器的误码率进行了比较．仿真结果表明,基于SVD的非线性滤波算法对干扰有很强的抑制能力,较好地改善了系统的性能．     

基于奇异值分解的曲面拟合算法

奇异值分解是一种非常重要的矩阵分解,将其应用到曲面拟合上,给出一种基于奇异值分解的曲面拟合算法,并详细介绍该方法的原理.实验结果表明,采用该算法进行曲面拟合,能得到比较满意的拟合效果.     

用网络实现矩阵奇异值分解

用网络求实对称矩阵的特征值及其相应的特征向量。从而实现矩阵的奇异值分 解。在只需求出几个较大特征值的情况下，这种方法比较简单并易于并行实现。文中还 提出逐步求矩阵的特征值和特征向量的剥去法。给出了有关证明和算例。     

广义共轭延拓矩阵的奇异值分解

定义广义共轭延拓矩阵的概念,利用复矩阵的实分量矩阵,分别建立广义行共轭延拓矩阵和列共轭延拓矩阵与其母矩阵的实分量矩阵的奇异值和奇异向量之间的定量关系.所得行或列延拓矩阵的奇异值等于母矩阵的实分量矩阵奇异值的2~(1/2)倍,相应的右或左奇异向量矩阵是实正交矩阵.     

广义Hadamard延拓矩阵的奇异值分解

定义广义行(列)Hadamard延拓矩阵的概念,分别建立广义行Hadamard延拓矩阵和广义列Hadamard延拓矩阵与母矩阵的奇异值和奇异向量之间的定量关系.对m×n阶母矩阵进行k次行和列延拓,所得延拓矩阵的奇异值分别是母矩阵奇异值的(km+1)(1/2)和(kn+1)(1/2)倍.作为应用,分别给出行和列Hadamard延拓矩阵的Moore-Penrose逆.最后举例验证所得结果.     

矩阵的奇异值分解与标准形

本文就矩阵的奇异值分解与矩阵标准形的联系作一些探讨。把奇异值分解推广到复矩阵,并指出它的特殊情况。     

基于奇异值分解的压缩感知定位算法

为了使观测字典满足约束等距性条件,保证算法的定位精度,提出一种基于奇异值分解的压缩感知定位算法。新算法首先将感知区域网格化,把定位问题转化为压缩感知问题,然后利用奇异值分解原理对观测字典进行分解,得到的新的观测字典有效地满足了约束等距性条件,且对观测值的预处理过程不影响原信号的稀疏性,从而有效地保证算法的重建性能,提升定位精度。仿真实验结果表明:相比于基于Orth的稀疏目标定位算法,基于SVD的压缩感知定位算法的定位性能更优,抗噪性、适应性更强,且算法复杂度低。     

基于奇异值分解的多通道彩色图像数字水印算法

一种基于SVD奇异值分解的的自适应彩色图像数字水印算法,利用FCM自适应的选择合适水印嵌入的小波块,对选取的小波块进行SVD分解,得到每个分块的奇异值,选取每块最大的奇异值,并进行排序。利用混沌序列进行混沌置乱,最后实现水印的嵌入。     

基于奇异值分解自适应图像压缩的优化算法

结合图像质量评价体系,在基于奇异值分解的动态压缩比优化方法的基础之上提出一种新的优化算法.该优化算法可以解决基于奇异值分解的动态压缩比优化方法中不能根据不同图像的特点对每幅图像自适应地进行图像压缩的缺陷,并能根据需求,预先设定压缩图像的质量范围,使压缩图像达到指定的压缩率或清晰度,从而满足指定的要求.经实验证明,该优化算法切实可行,具有较高的实用价值.     

大型矩阵奇异值分解的多次分割双向收缩QR算法

针对传统QR(Quadrature Right-triangle)算法在处理某些大型矩阵的奇异值分解时不收敛的本质原因,提出双向收缩、多次分割的解决对策.研究了对奇异值分解精度有重要影响的从左至右、从下至上的非零元素直线驱逐算法,提出了矩阵分割时子方阵首、末行的搜索算法,进而实现了针对大型矩阵奇异值分解的多次分割、双向收缩QR算法.通过实例比较了不分割与多次分割时算法收敛速度的差异,证实了多次分割双向收缩QR算法具有迭代次数少、迭代过程无停滞、收敛迅速等优点,解决了传统QR算法处理某些大型矩阵的SVD时不收敛的问题,对任何大型矩阵都可实现快速SVD运算.     

基于奇异值分解的藏文Web不良信息检索算法研究

阐述了藏文Web不良信息的特点、类型、危害性,设计了倾向性藏文Web不良文本过滤系统结构.提出一种藏文Web不良文本检索算法.该算法从不良文本中提取倾向性关键词项,根据矩阵奇异值分解方法中的转移概率构造出倾向性关键词项的状态矩阵,提取平面坐标空间第一像限的奇异值向量作为复特征向量,利用向量间的余弦相似度作为文本检索的相似度度量.实验结果表明,该算法在检索准确率和运算效率上都优于传统的LSA算法.     

基于奇异值分解和项目属性的推荐算法

为了解决评分数据的稀疏性和用户最近邻的精确性问题,文章提出了一种基于奇异值分解(singular value decomposition,SVD)和项目属性的协同过滤推荐算法。该算法首先采用SVD方法对用户-项目评分矩阵降维,得到用户矩阵和项目矩阵,根据项目矩阵计算项目间的评分相似度,同时根据项目属性计算项目间的属性相似度,将2种相似度的结果加权计算得到项目间的相似度,最后采用最近邻的方法预测目标用户对待评分项目的评分。在MovieLens数据集上的实验结果表明,该文所提出的方法可以有效应对用户评分稀疏的问题,并能提高推荐的准确性。