采用邻域关联性的非监督流形对齐算法

假设对于两个流形上关联性较强的样本点,其邻域点之间也会具有较强的关联性.基于此假设,提出一种新的非监督流形对齐算法,通过学习局部邻域之间的关联性,挖掘不同流形样本点间的关联性;然后,将两个流形样本点投影到共同的低维空间,同时保持所挖掘的关联性.结果表明:与传统的非监督流形对齐算法比较,文中算法能更准确地找出不同流形数据在低维空间的匹配点.     

两种基于谱方法的流形学习算法研究

流形学习方法是一种新型的非线性降维方法,它可以有效地对具有内在流形形式的非线性高维数据进行维数约简.目前,流形学习已被成功应用于聚类、可视化等数据挖掘领域,表现出卓越的性能.首先讨论了流形学习的研究现状,然后介绍了这一领域中影响最大的2种算法:局部线性嵌入算法和等距特征映射算法.     

一种基于流形正则化的半监督人脸识别方法

在基于流形正则化的框架下提出了一种半监督学习算法(MLapRLS)并将其用于人脸识别.首先构建所有样本的最近邻图来估计数据空间的几何结构,并对多变量线性回归的目标函数增加该流形正则化项,得到针对多类问题的MLapRLS.该方法能充分利用少量有标签样本和大量易于获取的无标签样本来帮助学习以提取有效特征.在Extended YaleB和CMU PIE人脸数据库上的实验结果证明了该方法的有效性.     

一种新的基于自组织映射的流形学习算法

针对自组织映射(Self-Organizing Map,SOM)算法在进行流形学习时容易陷入局部极值和产生"拓扑缺陷"问题的原因,提出了一种新的基于SOM的流形学习算法:TO-SOM(Training Orderly-SOM).根据流形的局部欧氏性,TO-SOM算法从一个局部线性或近似线性的数据子集出发,按照数据的内在流形结构对其进行有序训练,可以避免局部极值、克服"拓扑缺陷".根据SOM算法的鲁棒性,TO-SOM算法在成功学习数据内在流形结构的同时,对邻域大小参数和噪声也不像ISOMAP和LLE等现有流形学习算法那样敏感,从而更容易得到实际应用.     

有监督的噪音流形学习算法

流形学习算法是维度约简与数据可视化领域的重要工具,提高算法的效率与健壮性对其实际应用有积极意义.经典的流形学习算法普遍的对噪音点较为敏感,现有的改进算法尚存在不足.本文提出一种基于监督学习与核函数的健壮流形学习算法,把核方法与监督学习引入降维过程,利用已知标签数据信息与核函数特性,使得同类样本变得紧密,不同类样本变成分...     

追踪电力系统平衡解流形的一种新算法

本文给出一种能灵活控制步长，一次连续完成大范围追踪电力系统平衡解流菜，探索及判别平衡解流型上分叉点及类型，确定新分支方向的新算法，另外还运用该算法分析了电力系统典型负荷静特性对电压稳定性的影响。     

基于L2,1范数和流形正则项的半监督谱聚类算法

谱聚类算法受到相似矩阵的影响以及没有使用先验信息,使得聚类结果有很大的局限性.针对这一问题,提出了一种基于L2,1范数和流形正则项的半监督谱聚类算法.一方面借助L2,1范数的鲁棒性学习到合理的相似矩阵;另一方面充分利用监督信息,不仅指导了初始相似矩阵的构造,而且引入流形正则项去调整模型,从而改善聚类效果.实验结果表明,...     

一种基于统计流形的聚类算法

考虑数据点之间局部统计性质的差异,结合K平均算法提出一种基于统计流形的聚类算法.通过计算数据点邻域的均值和协方差,将原始数据点云映射到正态分布族流形中,成为参数点云.在正态分布族流形上构造不同的度量结构,分别应用K平均方法,对参数点云进行聚类,从而将对应的原始数据分类.此算法可以应用到点云去噪.采用基于不同差异函数的算法,对含高密度噪声的点云去噪,并给出模拟仿真结果.仿真结果表明,采用KL散度作为差异函数的算法有较好的去噪效果,体现出该算法在去噪应用中的潜力.      

一种基于线性插值的流形学习算法

作为一种有效的非线性降维方法,流形学习在众多领域引起了广泛关注并取得了长足发展.但当样本点较为稀疏时,样本点的局部邻域很难满足流形学习局部同胚的前提条件,此时流形学习算法往往效果变差甚至失效.一种有效的解决方法是增加一些新的插值点.为此,提出了一种基于三角形重心线性插值技术的流形学习算法.实验结果表明,插值算法能改善样本点的局部结构.将插值算法应用到经典的流形学习算法如LTSA后,实验结果证实了算法的有效性和稳定性.     

一种基于流形的蚁群聚类算法

在介绍了基于信息熵的蚁群聚类算法以及流形学习的方法的基础上,将基于动态切空间排列的流形学习方法与该蚁群聚类算法相结合,给出了一种聚类算法的新思路,并在城市规划布局问题中做了仿真实验,提高了算法的收敛速度。     

一种改进的不变流形算法

不变流形在动力学研究的许多方面都有重要意义,由于不变流形很难通过解析表达式求解,对其做近似计算就成为重要的手段。介绍了一种改进的流形计算算法,该算法由两步构成：首先利用PDE算法在不变流形上求出一些均匀的点;再借助三角形剖分方法利用PDE算法算出的点画出直观流形图。该算法避免了频繁求解微分方程问题,没有求解多余的轨道,且求解的精度也容易控制,得到的流形图直观。     

一种基于乘积的仿射密码算法

通过“乘积”来组合密码,是设计现代密码体制的一种重要思想。以不同的密码算法复合来构造一种“混合算法”,可以提高密码体制的保密性。对几种不同的简单密码算法做乘积可以构成复杂的函数关系,从而使新的密码算法保密性增强。     

中继下基于特征子矩阵的干扰对齐优化算法

针对MIMO双向中继网络系统中,由于用户对间的数据流具有非对称性,通过研究用户对与中继之间的天线分配关系,提出了一种基于特征子矩阵的干扰对齐优化算法及可行性方案.该算法首先利用特征子矩阵准则,为每个用户设计干扰对齐预编码优化方案,然后基于分布式迭代算法逐一推导出最优的干扰抑制矩阵,以达到在目的用户端消除其他用户干扰的效果.通过仿真结果表明,与传统中继迫零方法相比较,优化算法对系统传输速率有了显著的改善.     

有界变量约束优化的仿射投影共轭梯度路径内点方法

采用共轭梯度路径结合仿射内点投影回代技术解有界变量约束的非线性优化问题．通过构造共轭梯度路径解二次模型获得搜索方向,引入线搜索技术获得的迭代步既落在严格可行域内,叉能使目标函数下降．基于共轭梯度路径的性质,在合理的假设条件下,证明了所提供的算法不仅具有整体收敛性,而且保持快速的超线性收敛速率．进一步,数值计算说明了算法的可行性和有效性．     

一种基于干扰对齐的用户选择与功率优化算法

在实际的认知无线电网络中,用户随机分布,各个用户间距离不相等,非授权用户较多,授权用户未被利用频谱资源有限,针对上述情况提出了一种基于干扰对齐的用户选择与功率优化算法.根据各个用户的位置关系,选出离授权用户较远的一组非授权用户进行通信,离授权用户较近的一组用户在该时隙静止,当非授权用户满足授权用户的干扰温度约束条件时,该算法通过对通信的非授权用户进行功率优化分配,提升系统的总容量.仿真分析表明,该算法能够在保证授权用户性能的同时,选出离授权用户较远的一组非授权用户进行通信,优化频谱效率.     

一种中继辅助下SISO系统的干扰对齐算法

通过研究含中继的单输入单输出（single input single output,SISO）对称无线干扰网络,分析了在SISO对称网络中进行干扰对齐（interference alignment,IA）时使用中继的必要性。综合考虑所有用户的最大弦距离给出了优化的分布式干扰对齐算法。基于此优化算法并使用中继,只需要进行2个时隙的信道扩展就可对SISO干扰网络实现干扰对齐,使每个用户对达到1/2的自由度。仿真结果表明,在增加中继并应用优化算法后,系统的容量、能量效率都有了显著的改善。     

样本依赖型最小平方回归学习算法的收敛速度

目的研究基于样本依赖型的范数正则化学习算法的收敛性分析。方法概率论与数理统计的方法。结果给出了一种用K-泛函表示的收敛速度。结论文中的研究表明,样本依赖型学习算法与通常的核学习算法具有相同的收敛速度。     

基于正交矩模糊和仿射混合不变量的图像识别算法

为了识别含有模糊和仿射混合形变的图像,提出了一种新的基于正交矩模糊和仿射混合不变量的图像识别算法.该算法首先使用归一化方法构造了基于Legendre正交矩的仿射不变量,并结合Legendre正交矩的模糊不变量提出了Legendre正交矩的模糊和仿射混合不变量;然后将该混合不变量作为描述算子,将欧几里德范数作为分类尺度,以最近邻法则作为分类器,对图像进行识别.实验结果表明,与其他基于非正交矩的混合不变量相比,基于Legendre正交矩的模糊和仿射混合不变量在混合形变下能够获得更好的不变性,不会带来信息冗余问题,并且对噪声鲁棒性较好;此外,该图像识别算法比其他算法具有更高的识别率,特别是在图像含有较大噪声的情况下.     

n维一致双曲流形的体积估计

利用高维Mobius变换的Clifford矩阵范数形式来推广Jorgensen不等式,并由此不等式得到n维一致双曲流形的体积下界.