基于概率矩阵分解的用户相似度计算方法及推荐应用

用户相似度计算的合理性直接影响到协同过滤推荐的效果。提出了一种基于时序行为关系的用户消费网络图构建方法,通过定义用户间非对称相似度计算方法,确定用户间的初始相似度矩阵,然后利用概率矩阵分解的方法重构用户的相似度矩阵,挖掘潜在的用户近邻,将近邻关系应用到目标用户的项目推荐中,同时提出了基于时序行为关系和矩阵分解的协同过滤推荐框架结构。在实际数据集上对具体参数进行实验,并和其他方法进行了比较。实验结果表明,该方法可以有效提高协同过滤推荐效果。     

融合多视角信任的个性化推荐算法

为了提高传统协同过滤推荐算法推荐的准确度,对评分信任和社交信任赋予自适应的权重,结合概率矩阵分解算法,提出一种综合的个性化推荐算法.该算法在Filmtrust数据集上进行验证,并与相关算法进行对比,结果表明所提算法在MAE(mean absolute error)和RMSE(root mean squared error)指标上均得到有效的改进.     

极化SAR图像中的弱小舰船目标检测

结合最新的子空间数据分析方法--非负矩阵分解(nonnegative matrix factorization, NMF),对极化合成孔径雷达(synthetic aperture radar, SAR)图像中的弱小舰船目标提出一种全新的有效检测方法。该方法利用极化协方差矩阵分解,得到包含极化图像能量的特征值组,组成满足NMF要求的非负矩阵;然后采用稀疏限制的NMF来提取其中的主要特征,以此将舰船目标检测出来。采用国内全极化和双极化实测海洋数据进行实验,验证了本文方法的有效性。     

两类组合图的伴随多项式因式分解及色性

通过研究星图Sn=1的两类组合图的伴随多项式的因式分解,证明了这两种图的补图的色等价图的特征性质．     

几类非负矩阵分解算法及其在图像处理中的应用

介绍了几类非负矩阵分解算法及其在图像处理中的应用,并进行了图像处理实验,从cPu时间、相对误差以及重构后图像质量等方面对各个算法进行了分析和比较．     

睡眠剥夺对大脑状态影响的时-频-空分析

结合脑电信号EEG的小波变换和非负矩阵分解,寻求正常睡眠和睡眠剥夺（sleep deprivation,SD）两种条件下,大脑状态在时域、频域和空域的主要差异,探讨其发生机制,并建立综合评价方法．为此,获取两种条件下11名受试者的听觉诱发电位,对脑电gamma频段做小波变换得到时频信息,采用ANOVA统计计算每个时频点的F检验值,对此进行两分量的非负矩阵分解结果表明,SD引起的大脑状态变化主要发生在40Hz左右,刺激后约400ms处的额叶和前额叶位置．基于此,分别从时频复合域、时域和空域的角度来分析具体的变化,发现SD引起gamma振荡减少,活动时间延迟,额叶功能区兴奋性降低,推断SD的作用机制在于降低了神经元的活动和同步化效应．分析表明结合EEG的小波变换和非负矩阵分解,可以建立一条从时、频、空三域全面评价大脑状态主要变化的途径．     

行(列)反对称矩阵的QR分解

提出了行(列)转置矩阵与行(列)反对称矩阵的概念,研究了它们的性质,获得了一些新的结果,给出了行(列)反对称矩阵的QR分解的公式,它们可极大地减少行(列)反对称矩阵的QR分解的计算量与存储量,并且不会丧失数值精度.     

基于Householder-QR分解的低复杂度天线选择算法

对多天线空分复用系统中以符号误码率为准则的天线选择算法进行了深入分析,针对以往传统天线选择算法对所有天线子集搜索计算复杂度高的问题,提出了基于复域Householder-QR分解的天线选择算法.所提算法深入分析了线性接收机接收端信噪比与系统信道矩阵之间的关系,利用接收端信噪比近似边界值得到了低复杂度的选择方案,该算法不仅有效地降低了计算复杂度,同时误码率性能与以往算法相近,提高了空分复用系统的传输可靠性,适用于实际相关信道传播环境.仿真实验表明,与传统算法相比该算法具有良好的性能.     

基于MPI电力系统潮流P-Q分解法的并行算法

为了更快更有效地提高大规模电力系统潮流计算的速度,引入并行处理技术,文中提出了一种基于MPI的电力系统潮流P-Q分解法的并行算法,将潮流计算问题分解为多个子任务在基于MPI消息传递模式的多处理机中同时进行计算.运用该并行算法,针对不同规模的网络进行潮流计算,结果表明,该并行算法能有效地提高电力系统计算的速度,具有广阔的应用前景.     

结合FDA与NMF的高光谱数据解混方法

高光谱图像解混是遥感图像处理的重要技术之一．利用非负矩阵分解（NMF）进行高光谱图像解混是近年来发展起来的一种方法．这种解混方法假设光谱具有稳定的光谱特性;但实际上光谱经常是多变的,这个现象影响着解混的精度．为了减小这一影响,首先利用Fisher判别分析（FDA）对高光谱数据进行线性变换,而后利用变换后的高光谱数据提出了一种FDA与NMF相结合的高光谱数据解混方法．实验表明新方法能够有效地提高解混精度与效率．