两种特殊类型矩阵的QR分解

给出了两种特殊类型矩阵的QR分解的改进算法,理论与数值实验说明了它们的速度比一般的QR分解要快．并且对这两种改进算法进行了基于分量的扰动分析,从而证明了它们的稳定性。     

关于矩阵的LR和QR分解

本文利用矩阵的ＱＲ分解证明了Ｃ上的ｎ阶对角酉阵群和ｎ阶非奇异对角矩阵群的一个商群是同构的。并且利用矩阵的ＬＲ分解和ＱＲ分解，给出了某些运用。     

EPR思维研究中的若干问题

论述了EPR论文提出的背景。回顾了1985年在BBC举行的科学讨论,并提出了今天仍需要做深入研究的有关问题。指出狭义相对论(SR)与EPR思维在思想体系方面的一致性,它们关系到合理的自然观和宇宙观的建立,而超光速的可能性问题成为它们与量子力学(QM)矛盾的焦点。叙述了与EPR思维直接相关的量子信息学的发展。认为应深入研究EPR才能消除神秘感。     

基于BD和QR码的AGV研究与设计

全面研究和设计了基于BD和QR码的AGV系统,采用了北斗导航高精度差分定位、视觉识别QR码的室内外导航平滑切换等联合导航技术,开发出具有全程无人运输、路径智能规划及避障及调度等功能的无人引导运输装置,并成功应用于仓储库直接的货物运输。     

基于Android的二维码食品药品回溯系统

为便于消费者查询所需食品和药品的详细信息,提出了基于Android的二维码食品药品回溯系统。采用快速响应(QR: Quick Response)矩阵码, 对信息中汉字进行准确编码, 基于Android 4.0.3嵌入式硬件开发平台, 实现识别界面和显示界面等功能界面的设计。通过无线网络与MySQL(My Structured Query Language)数据库进行数据传输, 实现信息查询、 录入等操作。测试结果表明, 在二维码扫描过程中该系统具有良好的抗干扰性, 在以最大旋转角45°对二维码进行扫描时, 仍可对信息进行有效识别。同时依托Android系统较强的移动性, 该系统可得到更广泛的应用。     

噪声抑制的高光谱图像虚拟维数分析

在高光谱数据降维过程中,通常用虚拟维数来表征数据的本征维数.经典的虚拟维数分析算法主要运用假设检验准则设定特征值门限,通过特征值判定来决定虚拟维数值.但是,在强噪声干扰下,经典算法不能有效分析出虚拟维数值.本文提出了一种噪声抑制的高光谱图像虚拟维数分析方法(NCVD),该算法通过对数据矩阵进行QR分解,减小了算法的运算量;采用滑动噪声检测窗口对噪声成分进行滤除,提高了估计维数的准确性;结合最小二乘算法对判别门限进行修正,使虚拟维数估计结果更具合理性;采用模拟数据和真实数据进行实验,实验结果证明,本文所提算法的可行性和较现有算法的优越性.     

Research on Binarization Algorithm for QR code

由摄像式获取的QR码因为采集光照不均匀会给二值化带来困难.首先对于直方图有明显谷底和采集光照不均匀的图像,分别采用B样条拟合直方图和自适应阈值法进行二值化.然后通过双线性插值算法对发生倾斜的QR码进行纠正,并对结果修补.最后通过实验验证了算法的可靠性.     

基于QRD和SIC检测的多入多出中继网络分布式波束形成方案

摘要：
考虑多天线多中继两跳半双工无线网络,基于AF协议提出了RZF和IRZF MF 2种分布式波束形成方案.在中继节点,前者使用RZF技术进行接收和发射波束形成,后者分别使用IRZF和MF技术进行接收和发射波束形成.仿真结果显示,在瑞利信道下,2种方案与现有的MF RZF方案性能相当;而在莱斯信道下,文中RZF方案性能最优,但需要较高的计算复杂度.相对于除RZF方案的其他方案,IRZF MF实现了系统容量增益,并且其计算复杂度低于RZF方案.
关键词：
多输入多输出; 放大转发中继; 分布式波束形成; 正则化迫零预编码; QR分解
中图分类号： TN 925
文献标志码： A     

基于QR分解的稀疏LSSVM算法

传统最小二乘支持向量机(LSSVM)一般通过随机选择部分样本得到核矩阵的低秩近似提高解的稀疏性, 为了使该近似分解用尽可能小的低秩矩阵更好地近似原核矩阵, 提出一种]基于正交三角(QR)分解的QRP-LSSVM稀疏算法. 采用QR分解保持正交的特性挑选差异更大的样本, 迭代地精选核矩阵的部分列得到核矩阵的Nystr-m型低秩近似, 并利用分解结果快速求得最小二乘支持向量机的稀疏解. 实验分析表明, 该算法在不牺牲分类性能的前提下可得到更稀疏的解, 甚至在稀疏水平不超过0.05%的情况下准确率也较高, 可有效解决大规模训练问题.     

基于黑莓手机的QR码识别系统

首次将QR码识别技术应用于黑莓手机.在深入研究QR码图像处理技术和解码技术的基础之上,针对黑莓手机处理能力有限的问题,设计了有效的QR码图像识别算法,最终在黑莓手机开发平台(Black Berry JDE4.6.1)上开发出QR码识别系统,并在黑莓手机8320上实际应用.测试结果表明,该系统能够通过拍照识别QR码信息,并满足时间和准确度的要求.