空间相关信道下空时分组码的子空间修正解码

针对空时分组码子空间盲解码算法在空间相关信道下性能下降的问题，提出了一种修正解码算法．在分析空间相关性破坏信号子空间和统计噪声子空间正交性的基础上，利用接收端已知的信道相关矩阵，修正接收端用于搜索的码字矩阵集合，使相关信道下分解得到的统计噪声子空间正交于修正的发送信号子空间，提高了解码性能．与传统解码的算法不同，该算法无需在发送端进行信道相关矩阵的估计和预编码，降低了发送端的编码复杂度．Monte-Carlo仿真实验表明，空间强相关信道下空时分组码子空间盲解码性能下降比较剧烈，采用新算法修正后的解码性能明显改善，在误比特率为10^-2、相关系数为0．8时，修正性能提高约2dB．     

子空间格代数的模

本文讨论了子空间格代数模中的有限秩算子,得到了一些结果,这些结果包含了格代数中已有的结论.     

用于癌症分类的随机子空间半监督维数约减

精确的癌症分类对于癌症的成功诊断和治疗是必不可少的.半监督维数约减算法在干净的数据集上表现得很好,然而当面临噪声时,当前的大部分算法所构造的邻域结构是拓扑不稳定的.为了克服这一问题,文中提出了一种基于随机子空间的半监督维数约减算法(RSSSDR),将随机子空间与半监督维数约减算法结合起来.在数据集的不同随机子空间上,该算法首先设计多个不同的子图,然后将这些子图联合起来构成一个混合图并在其上进行维数约减.该算法通过最小化局部重构误差来确定邻域图的边权值,在保持癌症数据集局部结构的同时能够保持其全局结构.在公共癌症数据集上的实验结果表明,RSSSDR算法具有较高的分类准确率和较好的参数鲁棒性.     

广义系统的稳定性分析

主要是分析了线性广义系统的矩阵束［Ｅ、Ａ］的不变子空间的结构，同时详细讨论了其强（弱）指数渐近稳定性，得到了一个其强（弱）指数渐近稳定的充分必要条件。     

压缩的Grassmann-Rayleigh商迭代

Grassmann-Rayleigh商迭代是Rayleigh商迭代的推广形式,它能计算一个p-维不变子空间,当子空间中部分Ritz值比其它Ritz值收敛更快时,算法奇异.针对算法奇异的问题,提出了一种压缩的Grassmann-Rayleigh商迭代,新算法在保持算法立方次的收敛速度的同时克服了算法奇异的问题并节省了计算...     

共轭空间性质的一个证明

提供共轭空间一性质较代数化的证明 ,该性质常用于算子代数的同调与上同调理论中。有别于以前较复杂的拓扑方法的证明 ,该证明较简洁且显示了该性质代数特征。     

偏序向量空间中正投影算子的一类扩张定理

该向量空间E是一个Dedekind完备偏序向量空间,G是E的一个控制子空间,而算子P0是定义在G上的一个正投影算子,则P0能扩张成整个E上的正投影算子,从而在较一般的偏序向量空间上,得到了正投影算子的一类扩张定理,其结果进一步推广了算子的扩张性质.     

基于L2(R2)直和分解的两个点收敛定理

根据经典Fourier分析中L^2（R^2）的直和分解，作者最近得到了一个与Mobius变换和信号分析相关的直和分解．本文将进一步研究L^2（R^2）的这两个直和分解并且得到了两个基于L^2（R^2）直和分解的两个点收敛定理．     

基于腔衰减辅助的受激拉曼绝热跟随技术的量子计算方案

提出了一个基于腔QED系统实现无退相干子空间中任意两比特纠缠逻辑门的理论方案,结合已有的单量子比特的逻辑操作,就可以完成任意的量子计算.两个相同的原子囚禁在单模光学腔中,并受到外加激光场的驱动,在腔场初态处于真空态的情况下,大的腔场衰减相当于对腔场进行频繁测量,而使之保持在真空态,这种效应就是腔场衰减协助的量子Zeno效应,它通过生成腔场的无退相干子空间而有效地抑制了腔场衰减的影响.另一方面,利用受激Raman绝热过程来克服原子自发辐射的影响,所以方案可以获得很高保真度的纠缠逻辑门.     

融合加速稳健特征的子空间人脸识别方法

为了充分利用人脸特征信息更加准确全面地描述人脸,提高现有识别算法的识别率,提出一种融合改进的加速稳健特征和子空间特征进行人脸识别的方法。利用AAM形状模型的训练方法,训练得到41个点的人脸形状模型;对每幅图像进行特征点初歩定位,找到并保留与初歩定位的特征点空间距离最近的SURF特征点。将SURF特征点描述子利用PCA降维,得到改进的SURF局部特征向量。然后利用PCA对图像进行全局特征提取,将局部特征与全局特征进行融合,组成全新的特征向量。最后通过特征向量的匹配实现识別。对包括本算法和PCA-SIFT算法在内的6种不同识别算法进行了验证。实验结果表明,提出的算法在改变ORL人脸库中训练集样本数的情况下,识别率均优于其他算法;在样本数为5的情况下比PCA-SIFT方法提高了4.3%,可见该算法提高了人脸的识别率具有较强的鲁棒性和分类性。