用于人脸识别的张量图优化的Fisher判别分析

最近提出的图优化的Fisher判别分析(Graph-based Fisher Analysis,简称GbFA)具有很强的判别性能,并成功地应用于人脸识别。但GbFA需要将二维的人脸图像矩阵转化为向量,因此容易丢失像点的空间关系。为此,提出用于人脸识别的张量图优化线性判别分析(Tensor Graph-based Fisher Analysis,简称TGbFA)。该算法把二维的人脸图像矩阵看作二维张量数据,并通过GbFA方法迭代求得两个投影矩阵。在Yale和YaleB的人脸库的实验表明,TGbFA算法继承了GbFA的特性,与现有的张量线性判别分析算法相比,TGbFA具有较好的判别性能。     

各向异性岩石方向渗透率计算模型

岩石颗粒沉积过程中的取向性导致岩石渗透率具有各向异性,各向异性岩石渗透率的确定在油气田开发研究中是一项重要而且基础的工作。首先分析了各向异性岩石的渗流特征,各向异性岩石的渗透率使用张量描述,渗流速度方向与压力梯度方向一般不平行。基于此,分析了原岩石方向渗透率计算模型的不足,指出原模型没有考虑各向异性岩石渗流速度方向与压力梯度方向不一致的特征,进而推导并建立了新的各向异性岩石方向渗透率计算模型。通过新老模型计算得到的方向渗透率与实测渗透率进行对比。结果显示,新的计算模型与实测值更加吻合。计算模型可用于计算油藏不同方向上的传导率以及各向异性油藏中不同方位上的井距设计,相比原模型更加准确。     

一个对于A类调和张量的加权弱Caccioppoli一型估计

获得了一个对于Ａ类调和张量的加权弱Ｃａｃｃｉｏｐｐｌｉｚ一型估计。     

基于张量模式的降维方法研究

经典的向量子空间是以数据流行的向量形式表示的,而在现实应用中很多是以张量模式存在的,从而提出了张量子空间.张量模式是向量模式的扩展和推广,已经广泛的应用到模式识别和数据降维等领域.主要描述了张量的定义和基本运算,对张量子空间,张量逼近和张量脸进行了具体的分析,通过张量特有的分解方法得到最优解从而达到降维的目的,本文最后提出张量以后有待发展的方向.     

基于低秩张量分解的大规模MIMO信息检测算法研究

提出了一种改进的Tucker分解法,将二维的张量分解到两个维度中.分别通过改进Tucker和Tucker算法的矩阵减秩和收敛运算,得到保存完整信息的原张量的近似估计值.仿真实验结果表明,改进Tucker算法提高了系统的检测性能.     

面向嵌入式应用的深度神经网络模型压缩技术综述

结合大数据的获取,深度神经网络关键技术广泛应用于图像分类、物体检测、语音识别和自然语言处理等领域.随着深度神经网络模型性能不断提升,模型体积和计算需求提高,以致其依赖高功耗的计算平台.为解决在实时嵌入式系统中的存储资源和内存访问带宽的限制,以及计算资源相对不足的问题,开展嵌入式应用的深度神经网络模型压缩技术研究,以便缩减模型体积和对存储空间的需求,优化模型计算过程.对模型压缩技术进行分类概述,包括模型裁剪、精细化模型设计、模型张量分解和近似计算和模型量化等,并对发展状况进行总结.为深度神经网络模型压缩技术的研究提供参考.     

基于张量子空间的半脑对称度特征与癫痫识别

结合脑PET图像信息,提出了一种基于张量子空间的半脑对称度特征的识别方法用于识别PET图像中癫痫病灶.首先计算全部脑PET图像中所有体素的SUV,并基于SUV建立三阶张量;然后提取半脑对称度特征,建立半脑对称度张量模型;其次利用多线性主成分分析(MPCA)方法对半脑对称度张量模型进行特征选择;最后基于支持向量机(SVM)分类器进行癫痫识别.实验结果表明:提出的算法能够有效地识别脑PET图像中的癫痫病灶,可以作为计算机辅助诊断方式帮助医生进行癫痫疾病的诊断.     

四阶张量的Z-特征值包含集及其应用

针对四阶张量A的Z-特征值分布和Z-谱半径估计问题,首先利用Z-特征向量2范数为1的特性和不等式放缩技巧给出了A的Z-特征值包含集,随后通过构造张量Z-特征值排除集给出了A的一个更精确的包含集,最后由所得包含集给出了四阶弱对称非负张量Z-谱半径的一个新上界.     

部分相干光学谐振腔内的频谱演化特性

本文利用部分相干光的张量ABCD定律研究了部分相干的非轴对称高斯-谢尔模(GSM)光束在光腔内的频谱演化特性,得到了解析的表达式.这一方法避免了已往处理部分相干光频谱变化时采用数值积分所带来的计算量太大的问题,并且适用于任意的傍轴光学系统.结果表明非轴对称GSM光束的相对频移与部分相干光本身的参数、振荡的次数以及光腔的参数有关,并且随着横向尺度的增加,频谱从红移逐步过渡到蓝移.     

双标量-张量引力论变分原理

把文献[1]的双标量-张量引力论真空全场方程改写为(用文献[1]的,以及是习见的符号):