基于改进相干因子的延时乘累加平面波超声成像

针对超声回波信号高相关性特性，提出一种基于改进相干因子的延时乘累加(pCF-DMAS)波束形成算法并应用至平面波超声成像.该算法通过增强相干因子的相干性来计算回波信号的权值，然后进行乘累加运算.通过使用Field II进行超声点目标和囊肿目标的仿真实验，对成像结果进行分析验证了算法的有效性.仿真结果表明，算法具有优秀的横向分辨率，在p取0.7时具有所有对比算法中的最高对比度.综合点目标和囊肿目标的成像效果，给出算法的最优p值0.3.相比延时叠加和延时乘累加波束形成算法，所提算法的图像对比度CR分别提高了12.559，9.602dB.     

基于潜在因子多样性的非负矩阵分解协同过滤模型

基于非负矩阵分解的协同过滤模型在高维稀疏数据的预测和填补上十分有效，该模型具有推荐个性化、有效利用其他相似用户回馈信息的优点，但也存在预测精度较低等不足。针对用户或项目在不同情景下的评分差异性，提出了一种改进的基于潜在因子多样性的非负矩阵分解的协同过滤模型。该模型充分考虑在不同情境下，用户和项目潜在特征矩阵的多样性，在模型的训练中，采用了单元素非负乘法更新规则和交替方向法，保证了目标矩阵的非负性，且提高了模型的收敛率。在真实的工业数据集上的实验结果表明，相比于经典的非负矩阵分解模型，该模型的预测精度有了明显提高。