应用空间约束和二次相似度学习算法的行人再识别

针对空间分布的全局外观潜在变化的行人再识别问题,提出一种基于空间约束和二次相似度学习算法.通过二次相似度函数(QSF)估计每个子区域的相似度,从而形成多项式特征图,并将所有特征图融合到统一的框架中.该框架利用局部相似度和全局相似度的互补优势,结合多个视觉线索进一步提高算法的鲁棒性.实验对比3个公共数据集,结果表明:基于空间约束和二次相似度学习算法具有显著的识别性能.     

二次加权距离判别

定义了各因子的判别权重和加权距离, 并结合二次判别和两类判别, 构造了二次加权距离判别. 该方法既保留了所有因子又体现了不同因子的判别能力. 经实际数据的计算验证, 其判别效果优于马氏距离判别.     

二次加权距离判别

定义了各因子的判别权重和加权距离,并结合二次判别和两类判别,构造了二次加权距离判别.该方法既保留了所有因子又体现了不同因子的判别能力.经实际数据的计算验证,其判别效果优于马氏距离判别.     

基于二次分解与LSTM的金融时间序列预测算法研究

现有结合特征提取与预测模型的方法不能准确把握金融时间序列的混沌性与交互性,导致预测精度不高。针对此问题,提出一种基于二次分解与长短期记忆(long short term memory, LSTM)网络的金融时间序列预测算法。使用变分模态分解方法与集成经验模态分解方法依次解析金融时间序列数据,得到能表达数据混沌性特征的模态;将模态信息输入到融合有因子分解机(factorization machine, FM)的长短期记忆网络模型中,融合获取到的长记忆性特征与交互性特征,进而预测最终的结果;选取沪深300指数的历史数据作为实验数据集,通过多组对比实验验证算法的有效性。实验结果表明,提出的算法可以有效提升模型的预测能力,同时表达金融时间序列的混沌性、长记忆性、交互性。     

基于递归聚类索引树的剪枝相似检索算法

文章提出了一种新的适用于高维特征矢量相似检索动态聚类索引树结构。针对由于类区域相互重叠而导致相似检索费用增加的问题 ,提出了基于该索引树的“剪枝”相似检索算法 ,应用该算法进行相似检索 ,其检索效益比耗尽搜索法和基于 SS树的相似检索法都要高。     

相似索引等距包络参数计算的改进算法

在相似索引等距包络（球包络）的参数计算中,直接计算方法由于计算代价过高而难于应用。 Ｒ． Ｋｕｎｉａｗ ａｔｉ和 Ｊ． Ｓ． Ｊｉｎ 针对欧氏空间情形提出一种迭代的 γ空间搜索算法,但其计算过程需要保存前面计算得到的所有平面参数,在实际应用中受到一定限制。为了解决这个问题,该文对γ空间搜索算法进行了改进,避免了原算法的缺点,并将改进算法进一步推广到二次型距离空间和街区距离空间中。文中给出了算法的基本思想,以及必要的定理证明。此算法在大容量图像库基于内容检索系统中应用带来的性能改进说明了算法的有效性     

二次矩阵的相似类

从复矩阵的相似分类的角度出发,对给定的复数p,q,根据最小多项式的性质,得到了由二次多项式(x-p)(x-q)所确定的全体二次矩阵的相似分类的刻画.     

基于初等变换的二次型标准化

提出了用初等变换化二次型为标准型的方法,该方法简单可行,是实现二次型标准化的一个有效方法.     

基于SVD和ICA的鲁棒水印算法

提出了一种新的基于SVD(singular value decomposition,奇异值分解)和ICA(independent component analysis,独立分量分析)的鲁棒水印算法.采用二值图像作为水印,并进行Arnold变换,提高了安全性.SVD用于水印的嵌入过程,ICA用于水印信号的提取.该算法的水印容量大大提高,同时还保证了鲁棒水印的不可感知性.借助于ICA,该算法在不需考虑水印图像所经历的攻击类型及攻击参数的情况下,能够正确提取水印信号.实验结果表明,该算法对于JPEG压缩、噪声等具有鲁棒性,尤其对于几何攻击如旋转、剪切、伸缩具有很好的鲁棒性.     

A blind watermarking algorithm resisting to geometric transforms based on SVD

A new watermarking algorithm resisting to geometric transformation based on singular value decomposition(SVD) in logarithm polar coordinate is proposed.The log-polar mapping(LPM) is used to resist rotation and scaling attacks,and the odd-even quantization algorithm is used to embed watermark so it can be extracted without the original host image.The experiments show that the proposed algorithm not only resists various geometric attacks but also is robust enough to the common signal processing.     

矩阵方程求解中SVD方法的讨论

分析了利用矩阵A(A∈Crm×n),B(B∈Ctm×n)的奇异值分解来求解矩阵方程AX=C(X∈Cm×n)与AXB=C(X∈Cn×m),讨论了有解的充分必要条件,并在有解时给出了解的一般形式.对于一般的无特殊规律矩阵方程,利用其奇异值分解来求解将会十分的方便.     

基于非采样Contourlet变换和SVD的数字水印算法研究

非采样Contourlet变换具有多尺度性、多方向性和平移不变性的优点.提出了一种基于非采样Contourlet变换和SVD结合的数字水印算法,首先对图像进行非采样Contourlet变换得到低频子带,并对该子带系数进行SVD分解,然后将水印信息嵌入到奇异值中.实验表明,该算法在满足不可见性的同时,对常见的攻击有很好的鲁棒性,且提高了对抗JPEG压缩、中值滤波、高斯滤波和旋转攻击的能力.     

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SVD和伪随机循环链的图像认证水印算法

针对矩阵的行列互换使得奇异值分解(SVD)后的奇异值不变,从而由奇异值直接产生水印安全性不高,以及基于SVD的图像认证水印算法把块水印嵌入本图像块的最低有效位,从而很难抵抗矢量量化攻击,提出了基于SVD和由Logistic混沌系统构成伪随机循环链的图像认证水印算法.首先通过Logistic混沌系统调制图像,使得图像矩阵唯一,然后将调制后图像块奇异值生成的块水印嵌入伪随机循环链对应图像块最低有效位.实验结果显示,该算法提高了水印的安全性,不仅能够准确定位,而且可以有效抵抗矢量量化攻击.     

A Blind Watermarking Algorithm Resisting to Geometric Transforms Based on SVD

A new watermarking algorithm resisting to geometric transformation based on singular value decomposition(SVD) in logarithm polar coordinate is proposed.The log-polar mapping(LPM) is used to resist rotation and scaling attacks,and the odd-even quantization algorithm is used to embed watermark so it can be extracted without the original host image.The experiments show that the proposed algorithm not only resists various geometric attacks but also is robust enough to the common signal processing.     

基于非负矩阵分解的隐含语义图像检索

提出了一种基于非负矩阵分解(Non-negative Matrix Factorization,NMF)的隐含语义索引(Latent Semantic Indexing,LSI)模型用于图像检索.应用NMF训练算法构造了一个语义空间,将查询图像和原型图像都投影到该空间以获得语义特征,在此空间中进行相似性的度量并将距离最近的图像返回给用户.与已有两种检索模型的实验结果对比表明,所提出模型是有效的.     

基于奇异值分解的曲面最佳适配的不确定度分析

采用建立数学模型的方法,提出一种曲面最佳适配的不确定度模型．为了确定曲面误差与不确定度参数之间的关系,推导了曲面最佳适配的灵敏度矩阵．采用矩阵的奇异值分解原理,对曲面最佳适配的灵敏度矩阵进行分解,得到不确定度参数与测点随机误差的关系表达式．根据分析结果得知,每一个不确定度参数是测点随机误差的线性组合．     

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.     

基于EMD和SVD的在线手写签名特征提取方法

为使在线手写签名认证的使用更具实用性,提出了一种基于经验模态分解(EMD)和奇异值分解(SVD)的在线手写签名特征提取方法.针对在线签名数据的坐标信息,以EMD分解所得的本征模态函数(IMF)分量为初始矩阵,并进行矩阵奇异值分解,以奇异值的能量值作为样本数据的特征分量构成用户特征向量,建立了基于支持向量数据描述(SVDD)的一类认证模型验证该方法效果.在SVC2004签名数据库上的实验结果表明:该方法提取的签名特征区分明显,使用少量的单类真实签名作为训练样本,得到FAR=3.38%,取得了较好的认证识别效果.