基于非负矩阵分解新的人脸识别方法

非负矩阵分解是一个新的特征提取方法,基于非矩阵分解的理论,提出了具有正交性的投影轴的计算方法和具有统计不相关性的投影轴的计算方法。与原非负矩阵分解方法,提出的方法在某种程度上是降低了特征矢量之间的统计相关性,并且提高识别率。通过在ORL人脸库和YALE人脸库上进行实验,结果表明提出的两种特征提取方法在识别率方面整体上好于原非负矩阵分解特征提取(NMF)方法,甚至超过主成分分析(PCA)法。     

一种组合类别信息的非负矩阵分解方法及其应用

基于非负矩阵分解理论,提出一种新的有监督的特征提取方法,它具有二个特点: 一是在特征提取过程中它直接利用训练样本的类别信息,二是在计算上仍然采用与非负矩阵分解方法相同数学公式,因此这种新特征提取方法被称为组合类别信息的非负矩阵分解(CINMF)方法.另外,在分类时本文提出了基于两种特征融合的分类策略进一步提高CINMF方法的识别率.通过在YALE人脸库和ORL人脸库上进行实验,结果表明本文提出的新方法在识别率方面整体上好于原非负矩阵分解方法,甚至超过常用的主成分分析法(PCA).     

广义判别正交非负矩阵分解及其应用

提出了一种广义判别正交非负矩阵分解算法。与传统非负矩阵分解算法不同,该算法对目标函数加入了正交约束,保证了低维特征的非负性;也不同于以往的判别非负矩阵分解算法将判别约束加于低维权重上,该算法将判别约束推广到低维特征中,使得低维特征参与模式识别,进一步提高了识别精度。本文给出了算法的推导过程,并将其应用于人脸验证和人脸表情识别。实验结果表明,该算法提高了低维特征的判别能力,具有更好的性能。     

基于符号数据与非负矩阵分解法的混合推荐算法北大核心CSSCI

针对现有推荐算法在处理海量数据时效率和精确度低下的问题,提出一种将基于内容的推荐算法与基于项目的协同过滤算法相结合的新的混合推荐算法。首先引入符号数据分析方法,使用模态符号数据对项目建模,同时针对评分矩阵的超高维及稀疏性问题加入非负矩阵分解算法,对项目的特征矩阵进行有效"平滑",以此为基础计算项目之间的相似性,进而完成混合推荐。基于MOVEILENS数据的实验结果表明,本文提出的混合推荐算法与传统的基于项目的协同过滤算法相比,在相似性计算上具有更高的效率,同时在应对数据稀疏性及新用户问题时,具有更高的推荐精度。     

基于共邻矩阵的复杂网络社区结构划分方法

提出了一种基于共邻矩阵和增益函数的划分算法来发现复杂网络中的社区结构.共邻矩阵中元素的含义为结点对之间拥有相同邻居的数目.以增益函数作为网络社区结构划分的目标函数,进一步推导出基于增益矩阵和增量矩阵的特征值和特征向量的社区结构划分方法.最后把这种算法应用于三个常用的实际网络数据中,并和Newman基于模块度矩阵 的谱算法结果做了比较,以验证该算法的可行性和有效性.     

复杂网络中的社团结构

对复杂网络社团结构问题进行了综述。介绍了无权无向网络中社团结构的定义、探索社团结构的算法及算法的评价标准和检验网络。重点总结与类比了具有代表性的算法及其在检验网络上得到的结果,并依据这些结果和评价标准对算法进行了评述。部分地概括了原有算法在加权无向网络中的推广方法。最后对部分社团结构算法的特点进行了横向的比较,对社团结构与网络功能的研究进行简略介绍,并对社团结构研究的发展做出展望。     

基于多种社交关系的概率矩阵分解推荐算法

随着社交网络的发展,社会化推荐算法得到普遍应用,现有的推荐算法往往只是将一种社交关系引入到推荐系统,但在现实社交网络中用户之间往往存在多种社交关系。基于多子网复合复杂网络模型,利用共享用户特征矩阵,提出了基于多关系社交网络的矩阵分解推荐算法。通过在Epinions数据集上的实验结果分析,准确率评价指标MAE、RMSE和NMAE分别提高了34%、27%和7%,由此可以证明,多关系社交网络的矩阵分解推荐算法能有效提高推荐准确率。     

基于矩阵重构的非相干分布源参数估计方法

针对现有非相干分布源参数估计算法计算量大等问题,提出了一种新的DOA和角度扩展估计算法.该算法利用空间频率近似模型下的非相干分布源协方差矩阵的结构特点.协方差矩阵可分为相位信息矩阵和幅度信息矩阵.对相位信息矩阵进行重构,对重构后的协方差矩阵利用MUSIC等传统方法即可实现DOA的估计;对幅度信息矩阵的各主次对角线上的元素均进行平滑得到幅度信息平滑向量,估计得到的DOA代入幅度信息中即可得到角度扩展的估计,从而实现非相干分布源DOA和角度扩展分离估计.计算机仿真验证了算法的性能.     

一种复杂网络中社团划分的新算法

为了寻找复杂网络中的社团结构,本文基于社团的核的定义和一些定量条件,提出一种新的寻找复杂网络中社团结构的算法。该算法的基本思想是首先构建社团的核心,然后寻找它的邻居的集合,把满足定量条件的邻居节点添加到该核心中,直到没有节点满足定量条件。重复这个过程找出网络中其它所有的社团。最后,通过Zachary和Dolphin social network两个经典网络验证了该算法的有效性。     

基于复杂网络理论的指挥控制系统自适应重构模型

为研究信息化条件下指挥控制(command and control, C2)系统在对抗环境下的自适应重构机制,基于复杂网络理论和作战指挥原则,从重构触发机制、边的修复策略、结构重组策略和重构评价机制4方面建立了C2系统的自适应重构模型,其中重点研究了边的修复策略和结构重组策略。针对边的修复提出了一种自适应修复策略;而针对结构重组,提出了升级重组、越级重组、转隶重组和组合重组4种重组策略。仿真结果表明,在综合考虑重构效果和成本消耗的情况下,与以往研究相比,边的自适应修复策略为相对较优的边重构策略,而与单一重组相比,组合重组策略为较优的结构重组策略;并且该自适应重构模型能在一定程度上比较客观地反映指挥控制系统的遇袭重构演化过程。     

基于复杂网络的大脑功能连接研究

应用复杂网络方法研究数学认知的一个基本过程--背诵过程中大脑功能连接的特征.利用功能磁共振成像(fMRI)得到的数据,建立了不同认知任务下的大脑功能网络.对不同网络的分析表明,不同认知任务下,大脑功能连接虽然有一定的区别,但都具有相同的特性:功能连接的度分布呈power-law分布,网络的平均最短距离与对应的随机网络相...     

基于高频增益矩阵分解的多变量系统自适应控制

基于高频增益矩阵因子分解和Backstepping设计方法,对多变量MRAC系统设计出一种新的自适应控制器,改变了已有的研究中关于高频增益矩阵的假定条件.该控制器能保证系统的全局稳定性和跟踪误差趋于零.仿真效果也证明了所提算法的实用性.     

基于复杂网络的金融市场网络结构实证研究

基于股票价格波动序列的相关特性,通过阈值化处理得到金融网络的连接矩阵,并用复杂网络的特征参量表征其网络性质.节点累积度分布的胖尾特征表明存在少数中心节点的股票,而聚类系数和最紧邻平均度表征金融网络具有层次结构和异配特性.进一步研究k核结构,发现核数随节点度幂律增长,当节点度较大时核数保持不变,而且最核心的节点对应中心节...     

基于复杂网络的作战体系模型

针对复杂网络的脆弱性问题,面向作战体系的对抗性需求,基于复杂网络理论,利用Agent技术和OODA(观察、判断、决策、行动)作战过程,提出了作战体系模型的杓建方法.采用自底向上方法,该模型可以通过迭代扩充模型的层次,具有Agent属性、层次性、嵌套性、节点和边的冗余性等作战体系用于对抗的属性.对特征参数的仿真试验结果表明,该作战体系模型不仅具有较好的鲁棒性,而且对脆弱性也有明显的改善,能够较好的满足指挥体系在作战中的对抗需求.     

基于变结构控制的时滞复杂网络的同步研究

基于变结构控制研究了一类耦合时滞网络的同步问题.设计的控制器能够保证动态网络从任意初始状态出发都能达到滑模面.利用系统的左特征向量函数设计切换面,使得同步滑动模态保持稳定.利用到达条件设计控制器,使得网络状态能够在有限时间内到达切换面.最后针对实例进行仿真,仿真结果说明了所设计控制器的有效性.     

基于复杂网络理论的互联网新闻媒体分析

基于网络新闻媒体之间的转载关系构建了新闻转载网络,应用复杂网络理论分别研究了其无向无权网络、无向加权网络以及有向网络的拓扑结构.研究表明新闻转载网络具有无标度、小世界以及异配连接倾向等特性,并发现网络存在核心-边缘结构.通过比较加权网络与无权网络在组织结构上的异同以及分析网络的有向性特征,表明了权值和方向对网络新闻研究的重要意义.     

基于复杂网络理论的配电网节点脆弱度评估

配电网中节点脆弱性的大小是其结构鲁棒性的重要体现,为实现对配电网节点脆弱度的评估,提出对配电网节点脆弱度大小排序的方法。首先,构建配电网的复杂网络加权模型;其次,针对节点脆弱度评估中的度值、介数、凝聚度和紧密度等几个指标,结合主观和客观两方面信息构建描述各指标重要性的权重;最后,提出综合逼近理想排序(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)和灰色关联度的方法,实现对配电网节点脆弱度大小的排序。对几种典型的中压配电网进行计算,验证了本文方法的可行性,对IEEE123系统分析,结果表明多指标综合评估较单一指标评估更符合配网的实际特点。