2-环的表示

利用经典代数中模的定义,给出模的范畴化定义2-模.2-模首先是一个范畴,有对称2-群结构(加法)和一个2-环作用(作用),并且这些作用在同构意义下满足模的准则.另外本文还给出2-模的应用并证明了2-环的一个表示与这个2-环上的2-模是一一对应的,这种对应类似经典代数中环的表示.     

频域下稀疏表示的大数据库人脸分类算法

人脸识别的识别率受众多因素影响,目前已有很多成形的高识别率算法,然而,随着数据库中人脸图像的增加,识别率下降很快。鉴于该特点,采用频域下的稀疏表示分类算法能有效解决上述问题,先使用快速傅里叶变换(FFT)将人脸数据从时域变换到频域,再通过l1范数最优化稀疏表示算法,把所有训练样本作为基向量,稀疏表示出测试样本,最后使用最近邻子空间算法分类。在扩展的Yale B人脸库中实验结果表明,该算法具有有效性。     

U_θ(2)的代数与拓扑性质

首先借助C*-代数表示论,刻画了Uθ(2)的生成元的谱结构.另一方面,计算了Uθ(2)的K-群.     

基于大间隔编码的空间非负矩阵分解

虽然基于局部的表示方法在图像处理中具有很好的鲁棒性,但非负矩阵分解只有隐式局部约束,导致分解不唯一和基图像不够局部.另外,局部性与判别性作为样本表示的重要性质几乎没有在非负矩阵分解中被同时考虑过.为此,文中提出了基于大间隔编码的空间非负矩阵分解,将图像数据看作像素构成的二维网络,借鉴网络中的知识将空间信息嵌入基图像,不但施加了显式的局部约束,而且能够弥补数据向量化损失的空间信息.同时,利用大间隔约束学到的额外一维空间平衡重建误差和判别性约束对基图像的影响.在AR数据库和扩展的Yale B数据库上的人脸识别实验结果表明,相比于非负矩阵及其他几种典型的扩展方法,基于大间隔编码的空间非负矩阵分解更加鲁棒.     

GIS支持下黑河流域降水台站的地形代表性

以黑河流域为研究区,通过定义降水台站的地形代表性指数,详细分析18个国家气象站及32个水文站在相应泰森多边形区及高程带上的地形代表性.结果表明:降水台站的地形代表性取决于区域台站数量及其空间分布,尤其是地形的复杂程度;广阔的流域下游地形相对平坦,有限的降水台站具有较好的地形代表性,而在面积较小的中上游地区,除水文站中的鹦鸽咀、冰沟和鸳鸯池3站高估了地形复杂性外,较密集的台站因局地地形复杂程度低于对应区域的地形平均复杂程度,地形代表性被低估;国家气象站的地形代表性优于水文站的.该研究可为降水模拟中台站的优选及分布式降水精度的误差分析提供依据.     

基于稀疏表示和最小二乘回归的基因表达数据分类方法

提出基于稀疏表示和最小二乘回归的分类方法:用训练样本重构测试样本,先利用稀疏表示剔除噪声样本,接着用最小二乘回归和最近邻子空间准则对样本分类,可以克服传统分类方法存在的过拟合问题.在6个基因表达数据上的实验结果表明,该方法可以提高分类准确率.     

稀疏表示的图像分类研究综述

良好的特征提取方法能减轻后续图像分类与识别的工作量。针对具体的分类问题提出了不同的特征提取方法,并在图像分类和识别任务上取得了较好的效果。然而,已有的基于传统方法的特征提取存在一些明显不足,即随着视觉任务规模的增大,直接利用这些传统方法进行特征分类,效果并不理想。提出的特征表达方法,在图像最基本特征基础上进行矢量量化、稀疏编码或其它表达以形成一幅图像最后的特征。着重介绍基于稀疏表示的特征分类算法并对其进行分析,最后探讨存在的问题和今后研究的方向。     

基于组稀疏表示和加权全变分的图像压缩感知重构

传统的基于组稀疏表示(group sparse representation, GSR)的压缩感知(compressd sensing, CS)重构算法利用信号的稀疏性和非局部相似性来重构图像信号,但没有充分考虑图像的局部平滑特性,影响了算法的重构性能。考虑信号的稀疏性、非局部相似性、平滑性3种先验信息,提出一种基于GSR和加权全变分(weighted total variation, WTV)的图像CS重构算法,并针对传统的WTV采用全局加权会引入错误的纹理以及边缘状伪影的问题,利用一种新的WTV策略,只对图像的高频分量设置权重来保证图像重构质量。此外，针对硬阈值迭代法忽略低频的主分量系数,采用硬阈值-模平方方法来更好地保护非主分量系数。实验表明,相同采样率下,所提算法的峰值信噪比比非局部正则化全变分和基于GSR的CS算法平均分别提高5.4 dB和0.62 dB,验证了所提算法有效保护图像的细节信息。     

半平面中无限级解析函数的因子分解

与Weierstrass因子分解定理和半平面中属于Hardy空间的解析函数的内外函数的因子分解类似,对于右半平面中无限级的解析函数f(z),可以分解为3个解析函数G(z),eg(z)和eP(z)的乘积,f(z)=G(z)eg(z)+P(z),其中G(z)是加权Blaschke乘积,eg(z)是一个加权外函数,P(z)是一个整函数,在虚轴上取虚值.     

修正的Szsz算子的渐近表达和同时逼近

研究修正的Ｓｚｓｉ算子的高阶渐近表达问题，得到高阶渐近表达等式，同时给出该算子同时逼近的正、逆定理．