用局部奇异值分解与改进LDA相结合的方法进行人脸识别

简要叙述人脸图像的标准化过程，特征脸，LDA算法的原理及实现过程。用PCA获取最佳描述特征，然后用LDA获取最佳分类特征，并用实验证明了这种方案的可行性。     

不确定分数阶奇异系统鲁棒控制及稳定性分析

针对不确定线性分数阶奇异系统的鲁棒稳定性问题, 将连续频率分布等价模型引入分数阶奇异系统中, 应用间接李亚普诺夫方法, 设计了一个 PD(Proportional-Derivative) 控制器, 将奇异系统正常化, 给出了阶次在 0<α<1 范围内分数阶奇异系统全新的鲁棒渐近稳定的充分条件。 利用 Matlab 的 LMI(Linear Matrix Inequalities) 工具箱及矩阵的奇异值分解(SVD: Singular Value Decomposition)求解控制器的增益, 用仿真算例及数据验证该 方法的有效性。     

基于向量残差SVD的混凝土超声测试温度效应研究

为研究温度对混凝土超声测试尾波信号的影响规律;将信号向量间的归一化夹角作为波动指标,反映温度效应引起的信号变化;通过向量残差矩阵SVD获得表征温度效应大小的特征向量,建立向量空间映射和温度差的数学关系。在实验室采集混凝土梁尾波信号进行验证,结果表明,随温度升高尾波信号的波形发生后移,文中方法可分段线性量化温度效应;基于量化结果,得到常温下超声尾波信号最敏感的温度区间;任意4.5 ℃范围内,可去除74%~90%的温度效应。     

一种基于SVD的射频收发天线选择算法

基于线性检测的空间复用(SM)系统提出了一种射频天线选择算法,该算法以最小化错误概率为目标,利用信道矩阵的奇异值分解(SVD)所得到的左奇异和右奇异矢量实现发端和收端的射频天线选择,且不需要改变系统原有的检测算法。该算法可以用于收发任一端或两端同时使用,不采用遍历搜索,与传统搜索算法相比实现复杂度低。仿真证明将该算法应用于链路任意一端相比与传统算法都可以获得更多的分集增益和阵列增益。     

一种新的基于SVD图像降噪方法的探究

奇异值分解(SVD)在图像处理中具有极其重要的应用.针对传统SVD降噪适应性差的缺点,提出了在得知噪音方差的前提下,以基于SVD和能量最小原则图像自适应降噪为参考,在保持相近峰值信噪比的同时,将图像降噪的适应范围进一步推广.并且运行时间得到了有效缩减,为处理大型图像问题提供了可能性.数值试验结果表明,同种情况下分块降噪效果更佳.     

矩阵方程AXB=C的最小二乘解的定秩研究

研究了矩阵方程AXB=C最小二乘解的秩的范围,利用矩阵的奇异值分解以及Frobenius范数的特征,得到了秩约束下最小二乘解的表达式,并得到了最大秩和最小秩最小二乘解.     

有限样本条件下多元线性回归模型的最优解

将分析多元线性回归模型和求线性方程组的最优解统一起来．线性方程组的最优解基于欧式赋范空间最短距离．研究结果表明：在多元线性回归模型不存在多重共线性的情况下,得到的回归结果解和线性方程组的最优解相同．在多元线性回归模型存在多重共线性时,通过求线性方程组的最优解,可以得到统计意义上的线性无偏有效解,此时的最优解不满足渐近性和一致性条件．因此,利用线性方程组求最优解适用于多元线性回归模型在有限样本条件下的情况,多于大样本的情况不适用．     

MIMO—OFDM系统中的基于等对角QR分解的联合收发机的性能研究

研究了一种对信道矩阵进行等对角QR分解的联合编／解码算法，与传统对信道矩阵进行SVD分解算法不同之处在于，该算法将MIMO信道分解为多个相同的并行子信道，与VBLAST检测算法结合起来具有复杂度低，易于实现的优点。仿真结果表明采用该算法的SER性能优于除MLD以外算法的性能，并进一步从信道容量的角度证明了采用该算法，在高信噪比下所获得的信道容量与注水功率算法和等功率算法是相同的。     

关于SVD图像水印算法的分析和改进

分析现有的利用奇异值分解的一些图像水印算法，指出其存在着对原始载体图像和随机选取的图像的误检测率高的问题.通过分析奇异值分解的性质，指出了造成以上问题的原因并构造了一种新的算法.实验表明新算法能够比较好地区别含水印图像和未含水印的原始载体图像，对随机选取的图像的误检测率也大大降低，同时保证了比较高的鲁棒性，有实用价值.     

基于SVD的二次型距离相似索引层次算法

大容量多媒体数据库的基于内容相似性的检索本质上是高维特征空间中一定距离函数的 K近邻问题。对适合人类视觉的二次型距离函数 ,即使采用相似索引 ,当特征空间维数较高时检索仍不能保证实时性。为了解决此问题 ,提出基于 SVD(Singular Value Decomposition)的二次型距离相似索引层次算法 ,先以相似索引为基础在主导特征的子空间上进行代价低的近似检索 ,再对过滤结果在高维特征空间中进行线性的精确检索。实验证明 :该方法具有正确性、有效性和实时性