融合用户信任度的概率矩阵分解推荐算法

针对传统协同过滤推荐方法中用户评分信息稀疏导致推荐准确度不高的问题,提出融合用户信任度的概率矩阵分解推荐算法.该算法综合用户间的联合评分项以及非联合评分项,利用KL散度得到用户信任度排名,使得相似用户间的特征向量更加接近,并在概率矩阵分解过程中维持这种关系.最后在MovieLens 1M和Epinions数据集上采用三...     

一种基于圈基的谱匹配算法

提出一种基于圈基的谱匹配算法.利用两幅待匹配图像的特征点分别构造一组圈基,根据圈基构造赋权邻接矩阵,并进行SVD分解,然后利用分解所得到的特征向量构造反映特征点之间匹配程度的关系矩阵和匹配概率矩阵,最后通过交替归一化将匹配概率矩阵转化为双随机矩阵的形式以获得匹配结果.模拟与真实图像实验结果均表明该方法具有可行性和有效性.     

基于协方差矩阵重构的DOA估计方法

针对空间信号的波达方向估计,提出了协方差矩阵重构测向算法。由数据协方差矩阵的特征分解求得信号特征值及其对应的信号特征向量,根据各个信号特征向量构造相应的子协方差矩阵,算法定义一个新协方差矩阵。从理论上证明了新协方差矩阵在信号相干时仍然满秩,新算法在解除信号相干性的同时没有造成阵列孔径的损失。与空间平滑类算法相比,估计同样相干信号数,新算法能节省更多阵元。仿真实验证实了新算法优越的分辨能力和估计性能。     

一种基于Laplace谱的形状匹配算法

提出一种基于谱图理论的形状匹配算法.首先在表示形状的离散点集上构造待匹配形状的Laplace矩阵,根据此矩阵的特征向量确定初始匹配关系,然后利用Viterbi算法将形状自身的结构特性(邻接性和弯曲能)融入求解过程,获得形状间的匹配关系.比较实验表明该文算法具有更高的匹配精度和鲁棒性.     

一种改进的A-KAZE算法在图像配准中的应用

针对现有图像配准过程中难以保持图像的局部精度和边缘细节的问题,在A-KAZE算法的基础上提出了一种改进的图像特征提取算法AKAZE-ILDB.该算法首先利用非线性扩散滤波方程构造图像金字塔,采用快速显示扩散(FED)求得数值解,得到具有亚像素精度的图像特征点坐标;然后利用改进的LDB(ILDB)描述子构造具有尺度和旋转不变性的图像特征向量,对特征向量采用汉明距离进行KNN匹配;最后基于仿射变换模型计算空间映射参数矩阵来实现图像配准.实验结果表明:在保持相同图像特征匹配正确率的情况下,AKAZE-ILDB算法比A-KAZE算法平均配准时间缩短了300 ms;在配准精度方面,比A-KAZE算法提高了3.7%,比传统特征提取算法SURF匹配正确率提高了29%.     

一种自动确定特征向量与类别数目的谱聚类算法

目前大多数应用于复杂网络社团划分的算法都不能自动确定类别数目.为了解决该问题,在计算出复杂网络的拉普拉斯矩阵特征值之后,利用特征值间隔提出一种自动确定特征向量与类别数目的谱聚类算法.该算法通过数据构造拉普拉斯矩阵,得到一系列特征值,再利用特征值差值确定聚类数目以及特征向量,然后利用K-means算法对特征向量进行处理最终得到社团划分结果.用MATLAB软件对常用网络进行测试,实验结果表明,该算法对复杂网络社团的划分具有较好的分类准确性.     

基于改进TFN-AHP的微博用户属性特征向量提取算法研究

在对传统TFN-AHP算法进行研究的基础上,针对其中判断矩阵标度选择不合理、计算过程中会出现错误以及各属性评价指标权重差异小不易区分和排序的问题,提出了改进的TFNAHP算法,该算法通过构造模糊精度矩阵和采用闭区间[0,1]的实数作为模糊判断矩阵标度值,避免了传统TFN-AHP算法中将某一属性特征权重武断判定为0的错误,同时使用可控迭代精度的迭代方法计算特征向量,使各属性权重间有较好的区分性,有利于各属性的重要性排序,并基于该算法提取了微博用户属性特征向量.     

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.     

融合Nystrm方法的谱聚类算法(NSDcut)的图像分割

为了克服谱聚类算法SDcut在计算相似度矩阵和拉普拉斯矩阵的特征值和特征向量时,比较耗时的缺点,提出了融合Nystrm方法的SDcut算法NSDcut,并应用于图像分割.该算法采用Nystrm方法构建相似度矩阵和计算相似度矩阵的特征向量,并用这些特征向量通过矩阵运算降低了SDcut算法中的相似度矩阵和拉普拉斯矩阵的阶,从而降低SDcut算法的时间复杂度.实验结果表明:NSDcut算法提高了SDcut算法的运行速度,同时也具有SDcut算法的聚类性能.     

基于图的Laplace矩阵和非负矩阵的图像分类

文章将图的Laplace矩阵和非负矩阵分解方法结合起来,应用于图像分类.对不同的图像先提取其特征点,再对提取得到的特征点构造图的Laplace矩阵,将构造的矩阵进行非负矩阵分解后得到图像的特征向量,最后将特征向量输入到PNN分类器中,对图像进行分类.对模拟图像和真实图像进行了多组实验,结果证明了该算法应用于图像分类的准...     

行列式搜索法与解某类特征方程KX=λMX

本文针对K和M均为n阶实对称正定矩阵时的特征方程KX=λMX (A)的广义特征值及其相应的特征向量的求解问题,讨论了: 1.如何用行列式搜索法确定方程(A)在某个区间(0,μ)内的特征值的个数(其中μ>0)。2.反幂法求方程(A)的最小特征值和相应的特征向量的算法构造及其所构造的算法的收敛性问题。3.在行列式搜索法的基础上结合反幂法求方程(A)的任一个特征值的方法。4.初始迭代向量的生成方法,并严格证明了第P个初始迭代向量必能保证所构造的算法收敛到方程(A)的第P个特征值λ_p及其相应的特征向量φ_p。     

融合Nystr(o)m方法的谱聚类算法(NSDcut)的图像分割

为了克服谱聚类算法SDcut在计算相似度矩阵和拉普拉斯矩阵的特征值和特征向量时,比较耗时的缺点,提出了融合Nystr(o)m方法的SDcut算法NSDcut,并应用于图像分割.该算法采用Nystr(o)m方法构建相似度矩阵和计算相似度矩阵的特征向量,并用这些特征向量通过矩阵运算降低了SDcut算法中的相似度矩阵和拉普拉斯矩阵的阶,从而降低SDcut算法的时间复杂度.实验结果表明:NSDcut算法提高了SDcut算法的运行速度,同时也具有SDcut算法的聚类性能.     

基于扩散的视觉显著目标检测

针对图像背景颜色和视觉显著检测目标信息颜色相近时,显著检测结果的精度和效率不高的问题,提出了一种基于扩散的视觉显著目标检测模型.首先通过对对称矩阵的构造并丢弃常数特征向量和辨别力进行了重新组合扩散矩阵,然后对扩散矩阵中的种子向量进行重新构造,最后将重新组合的扩散矩阵和重新构造的种子向量进行扩散,得出了基于扩散的视觉显著目标检测算法.实验结果表明:该算法较之前的算法有一定的改进,在背景颜色和视觉目标信息颜色相近的情况下,该算法显著目标检测效果有了明显的提升.     

基于深度神经网络和概率矩阵分解的混合推荐算法

针对个性化推荐中用户和项目描述信息未充分利用,用户评分矩阵数据集极端稀疏的情况,提出了基于深度神经网络和概率矩阵分解(PMF)的混合推荐算法.首先,对用户和项目描述信息进行预处理,形成包含用户偏好特征的用户和项目特征集,再将各特征输入深度神经网络模型中进行训练.同时,利用概率矩阵分解模型,根据用户评分矩阵通过最大后验估计优化得到潜在特征向量;然后,通过对概率矩阵分解模型的用户和项目潜在特征向量以及深度神经网络模型的真实特征向量进行迭代更新,收敛得到融合用户和项目真实信息的潜在特征向量;最后,利用该特征向量对用户进行个性化推荐.实验证明,本文算法较经典推荐算法以及前人算法在均方误差与平均绝对误差指标上均有改善,说明本文算法的有效性.     

对角相似变换下的非负矩阵最大特征值算法

通过引进一个参数构造与迭代矩阵的行和相关的正对角矩阵, 应用矩阵的正对角相似变换, 给出不可约非负矩阵最大特征值与对应特征向量的数值算法, 算法中每一步参数的选择灵活性都较大, 从而提高了收敛速度.     

对角相似变换下的非负矩阵最大特征值算法

通过引进一个参数构造与迭代矩阵的行和相关的正对角矩阵, 应用矩阵的正对角相似变换, 给出不可约非负矩阵最大特征值与对应特征向量的数值算法, 算法中每一步参数的选择灵活性都较大, 从而提高了收敛速度.     

一种新颖的关联规则数据挖掘算法

为提高挖掘大项目集的速度,有效建立给定数据集中各项集之间的关联规则,提出了一种0-1矩阵关联规则数据挖掘算法.算法将事务数据库转化成M×N的矩阵,构造一个矩阵关联图表示频繁1-项目集中每两个项目之间的关联关系,通过遍历构造的关联矩阵有效地缩减事务数据库的大小,产生所有的频繁项集.利用模拟实验结果证明了所提算法可行性及有效性.     

一种基于递增权值函数的图像谱的匹配算法

文章提出了一种基于递增权值函数的图像谱的匹配算法,利用递增权值函数,分别对2幅待匹配图像的特征点构造Laplace矩阵,其次进行SVD分解;通过分解后的矩阵特征值和特征向量,寻找匹配矩阵,根据匹配矩阵的特征信息,实现2幅图像特征点之间的匹配;通过对Laplace矩阵和邻接矩阵比较实验,表明了Laplace谱能使发生刚体变换前后的图像获得更高的匹配精度,递增权值函数的Laplace谱比欧式距离的Laplace谱匹配精度要高。     

一种可实现自动配对的二维频率估计算法

提出一种实现不同维间估计结果自动配对的二维频率估计算法.首先把二维频率估计问题转化成两个矩阵束的特征值问题.根据矩阵束的特征求出两个矩阵束的公共特征向量,并以此为基础同时求出两个矩阵束的特征值.算法估计误差与现有算法相近,但解决了现有算法普遍存在的配对难题.     

基于隐马尔可夫模型与并行模型组合的特征补偿算法

提出了一种基于隐马尔可夫模型和并行模型组合的特征补偿算法.首先,利用一个包含较多状态的隐马尔可夫模型来描述全部单词特征向量的分布.然后,根据静音段估计的噪声均值和方差,采用并行模型组合方法调整隐马尔可夫模型的均值向量和协方差矩阵,使之与识别环境相匹配.最后,根据基于状态转移矩阵压缩的前向后向算法计算隐马尔可夫模型的后验概率,并通过最小均方误差准则估计纯净语音特征向量.实验结果表明,该算法能够更加准确地估计纯净语音特征向量,其性能明显优于基于高斯混合模型的特征补偿算法;状态转移矩阵压缩算法可以在不影响补偿精度的前提下,显著减少前向后向算法的计算量.