SVD

摘要： 针对图像质量评价问题,从自然图像统计与SVD角度出发,提出一种通用无参考图像质量评价方法。方法对待测失真图像进行局部归一化,利用奇异值分解提取图像高频信息,采用非对称广义高斯分布进行模拟高频信息的自然图像统计特征,构建图像质量特征向量;利用支持向量机构建图像质量回归模型,实现图像质量评价。通过在LIVE2图像质量评价数据库的大量实验表明,方法能够有效评价不同失真类型的图像质量;与现有经典的无参考通用图像质量评价方法相比,方法的评价结果与人眼主观评价具有更高的一致性,并具有较低的数据依赖性。

摘要： 随着互联网技术和数字媒体的不断发展,因为信息资源过载使用户很难找到自己喜欢的物品,而推荐系统能有效处理该问题。文章针对推荐系统中存在常见的噪声用户和冷启动问题,提出了基于专家用户协同过滤和奇异值分解(SVD)的混合推荐算法。先对用户进行专家用户人工筛选降噪,再利用SVD算法分解后填充专家评分矩阵,同时在计算用户与专家的相似度时加入时间权重,最终选择最优项目进行推荐。最后使用MovieLens数据集将本文算法与传统算法进行实验分析对比,证明了该算法的有效性。

摘要： 针对磁梯度张量单个分量对斜磁化多目标识别能力不足,受载体姿态影响较大的问题,提出基于磁梯度张量奇异值分解(singular value decomposition,SVD)的磁性目标识别方法。通过磁梯度张量矩阵的奇异值分解,提取奇异值的最大值作为磁性目标识别特征量,增强了对斜磁化多目标的识别能力,证明了磁梯度张量奇异值的张量不变量特性,克服了载体姿态变化对磁梯度张量识别的影响。仿真和实测结果表明,该识别方法能有效区分和识别斜磁化的多目标。

摘要： 谐波检测作为电能质量研究中最主要的部分,对谐波检测的评价指标就是对谐波信号的实时分析性与准确性检测。谐波检测的准确性等评价指标是避免谐波产生危害和保障用电安全的重要保障,也是谐波检测算法的最终目标和判断准确性的重要依据。针对电力系统中频率相近的谐波信号中混叠和突变等难以检测难题,本文提出了利用SVD对矩阵束算法中的Hankel矩阵进一步去噪,改进了矩阵束算法。对进一步仿真产生含有邻近谐波的稳态信号进行检测,并对含有突变谐波信号使用小波包结合SVD算法进行突变点查找。仿真信号实验验证了所提方法的准确性,证明了此方法可以对邻近谐波与突变谐波信号进行检测与定位,算法具有较强的使用性。

摘要： 目的:探讨脑小血管(Small vessel disease,SVD)患者脑磁共振成像(magnetic resonance imaging,MRI)检查影像学改变及其预后认知功能相关性。方法:选取2019年12月-2021年12月本院收治SVD患者81例为观察组,另选取同期既往无神经系统和精神疾病体检者78例为对照组。对比两组患者不同脑区ADC值、简易智能精神状态检查量表(Mini-Mental State Examination,MMSE)、蒙特利尔认知评估量表(Montreal Cognitive Assessment,MoCA)、词语流畅性测验(verbal fluency test,VFT)、数字符号编码测验(Symbol digit modalisies test,SDMT)、数字广度测验(Digit soan test,DST)及画钟测验(clock drawing test,CDT)。结果:两组枕叶ADC值比较差异无统计学意义(P>0.05);观察组顶叶、额颞叶及基底节区ADC值均高于对照组(P<0.05)。观察组预后认知功能各项评分及认知功能障碍发生率均高于对照组,且TMT时间长于对照组(P<0.05)。Pearson结果显示:额颞叶ADC值与MoCA评分具有相关性(r=0.41、-0.52,P<0.05)。结论:MRI检查ADC值与SVD患者预后认知功能存在一定相关性,可作为检出SVD引发认知功能障碍的手段。

摘要： 基于500 hPa月平均高度场NCEP/NCAR资料及山东省夏季高温资料,采用SVD、合成分析等统计方法,分析了春季大气环流异常对山东省夏季高温的影响。结果表明:春季500 hPa高度异常场上有三个关键区影响山东省夏季高温;春季乌拉尔阻高发展不利于山东夏季高温,欧亚高空槽春季异常对山东夏季高温影响不容忽视,欧亚地区纬向环流和亚洲地区经向环流的年代际变化与山东省夏季高温异常年代际变化有很好的对应关系。

摘要： This paper investigates the servo mechanism reconfiguration and fault tolerance control issue for a launch vehicle.Firstly,the servo reconfiguration algorithm is considered as an optimization model,and commonly used optimization algorithms are analyzed and compared.An improved method based on Singular Value Decomposition(SVD)for solving the suboptimal solution of the direct assignment problem is proposed,being suitable for engineering application,while maintaining the advantages of existing algorithms.Theoretical analysis and simulation results confirm that the proposed method is able to provide the optimal reconfiguration strategy with higher computational efficiency.Finally,the numerical simulation of launch vehicle fault tolerance control fully verifies the feasibility and effectiveness of the improved method,which indicates that the method met the engineering application conditions.

摘要： Many methods based on deep learning have achieved amazing results in image sentiment analysis.However,these existing methods usually pursue high accuracy,ignoring the effect on model training efficiency.Considering that when faced with large-scale sentiment analysis tasks,the high accuracy rate often requires long experimental time.In view of the weakness,a method that can greatly improve experimental efficiency with only small fluctuations in model accuracy is proposed,and singular value decomposition(SVD)is used to find the sparse feature of the image,which are sparse vectors with strong discriminativeness and effectively reduce redundant information;The authors propose the Fast Dictionary Learning algorithm(FDL),which can combine neural network with sparse representation.This method is based on K-Singular Value Decomposition,and through iteration,it can effectively reduce the calculation time and greatly improve the training efficiency in the case of small fluctuation of accuracy.Moreover,the effectiveness of the proposed method is evaluated on the FER2013 dataset.By adding singular value decomposition,the accuracy of the test suite increased by 0.53%,and the total experiment time was shortened by 8.2%;Fast Dictionary Learning shortened the total experiment time by 36.3%.

摘要： 针对滚动轴承信号去噪及故障特征提取问题,提出一种基于SVD-CEEMDAN和KLD的滚动轴承故障诊断方法。该方法通过奇异值分解(SVD)对原始信号进行初步去噪,再利用完备集合经验模态分解(CEEMDAN)对去噪后的非平稳振动信号进行自适应分解,得到若干本征模态函数(IMF);然后通过KL散度法(KLD)筛选有效本征模态函数(IMF)重构,再对其进行自相关去噪;最后利用包络谱分析处理去噪信号,提取故障特征频率。通过对轴承实测信号进行分析,该方法可有效抑制噪声,并能清晰地得到反映实际故障信息的信号,证实所提出方法的实用性和有效性。

摘要： 奇异值分解(Single Value Decomposition,SVD)++算法是一种基于模型的协同过滤推荐算法,具有良好的推荐效果。然而,随着用户和项目数量的不断增加,用户项目的评分矩阵变得稀疏,导致该算法的推荐结果准确度偏低。为了缓解数据稀疏性问题和用户兴趣随时间漂移问题,本文首先根据用户属性对用户进行聚类操作,其次引入时间因子计算用户间相似度,为用户选取合适的近邻用户,并且根据近邻用户的评分信息为SVD++算法提供了偏差调整项,最后进行了对比实验。实验结果表明,该算法能够准确预测用户评分,提升了推荐效果。

摘要： 文中提出了一种小波变换相空间重构的SVD(Singular Value Extracting,简称SVD)方法,并对其在遥测振动数据处理中进行降噪和野值剔除进行了研究.首先,对观测数据进行小波分解,将小波分解后的近似分量和细节分量组合实现相空间重构,作为SVD 方法的输入观测矩阵,利用奇异熵增量准则,对奇异值进行筛选,根据SVD逆变换重构原信号.这一方法克服了Hankel 矩阵相空间构建方法数据端点失真问题,以小波分解后分量重构的相空间可以满足正交性,进一步提高了SVD 进行数据降噪和异常值检测的精度.仿真数据和试验数据处理结果证明了这一方法的有效性.

摘要： 文中提出了一种小波变换相空间重构的SVD(Singular Value Extracting,简称SVD)方法,并对其在遥测振动数据处理中进行降噪和野值剔除进行了研究.首先,对观测数据进行小波分解,将小波分解后的近似分量和细节分量组合实现相空间重构,作为SVD 方法的输入观测矩阵,利用奇异熵增量准则,对奇异值进行筛选,根据SVD逆变换重构原信号.这一方法克服了Hankel 矩阵相空间构建方法数据端点失真问题,以小波分解后分量重构的相空间可以满足正交性,进一步提高了SVD 进行数据降噪和异常值检测的精度.仿真数据和试验数据处理结果证明了这一方法的有效性.

摘要： 文中提出了一种小波变换相空间重构的SVD(Singular Value Extracting,简称SVD)方法,并对其在遥测振动数据处理中进行降噪和野值剔除进行了研究.首先,对观测数据进行小波分解,将小波分解后的近似分量和细节分量组合实现相空间重构,作为SVD 方法的输入观测矩阵,利用奇异熵增量准则,对奇异值进行筛选,根据SVD逆变换重构原信号.这一方法克服了Hankel 矩阵相空间构建方法数据端点失真问题,以小波分解后分量重构的相空间可以满足正交性,进一步提高了SVD 进行数据降噪和异常值检测的精度.仿真数据和试验数据处理结果证明了这一方法的有效性.

摘要： 文中提出了一种小波变换相空间重构的SVD(Singular Value Extracting,简称SVD)方法,并对其在遥测振动数据处理中进行降噪和野值剔除进行了研究.首先,对观测数据进行小波分解,将小波分解后的近似分量和细节分量组合实现相空间重构,作为SVD 方法的输入观测矩阵,利用奇异熵增量准则,对奇异值进行筛选,根据SVD逆变换重构原信号.这一方法克服了Hankel 矩阵相空间构建方法数据端点失真问题,以小波分解后分量重构的相空间可以满足正交性,进一步提高了SVD 进行数据降噪和异常值检测的精度.仿真数据和试验数据处理结果证明了这一方法的有效性.

摘要： 文中提出了一种小波变换相空间重构的SVD(Singular Value Extracting,简称SVD)方法,并对其在遥测振动数据处理中进行降噪和野值剔除进行了研究.首先,对观测数据进行小波分解,将小波分解后的近似分量和细节分量组合实现相空间重构,作为SVD 方法的输入观测矩阵,利用奇异熵增量准则,对奇异值进行筛选,根据SVD逆变换重构原信号.这一方法克服了Hankel 矩阵相空间构建方法数据端点失真问题,以小波分解后分量重构的相空间可以满足正交性,进一步提高了SVD 进行数据降噪和异常值检测的精度.仿真数据和试验数据处理结果证明了这一方法的有效性.

摘要： 文中提出了一种小波变换相空间重构的SVD(Singular Value Extracting,简称SVD)方法,并对其在遥测振动数据处理中进行降噪和野值剔除进行了研究.首先,对观测数据进行小波分解,将小波分解后的近似分量和细节分量组合实现相空间重构,作为SVD 方法的输入观测矩阵,利用奇异熵增量准则,对奇异值进行筛选,根据SVD逆变换重构原信号.这一方法克服了Hankel 矩阵相空间构建方法数据端点失真问题,以小波分解后分量重构的相空间可以满足正交性,进一步提高了SVD 进行数据降噪和异常值检测的精度.仿真数据和试验数据处理结果证明了这一方法的有效性.

摘要： 针对Hilbeit-Huang 变换(HHT)的不足和现有改进HHT 的局限性,应用时间序列重构矩阵奇异值分解的能量分析方法改进了HHT,并提出了能量门限来识别伪固有模态函数(IMF)的方法.并将改进后的HHT应用到某双转子航空发动机轻、重碰摩故障仿真试验结果的检测中,并与改进前HHT 和小波分析的结果进行了比较,得出了改进后的HHT 的优势,并通过瞬时频率的分析,能够识别出轻、重碰摩的严重程度.

摘要： 针对Hilbeit-Huang 变换(HHT)的不足和现有改进HHT 的局限性,应用时间序列重构矩阵奇异值分解的能量分析方法改进了HHT,并提出了能量门限来识别伪固有模态函数(IMF)的方法.并将改进后的HHT应用到某双转子航空发动机轻、重碰摩故障仿真试验结果的检测中,并与改进前HHT 和小波分析的结果进行了比较,得出了改进后的HHT 的优势,并通过瞬时频率的分析,能够识别出轻、重碰摩的严重程度.

摘要： 针对Hilbeit-Huang 变换(HHT)的不足和现有改进HHT 的局限性,应用时间序列重构矩阵奇异值分解的能量分析方法改进了HHT,并提出了能量门限来识别伪固有模态函数(IMF)的方法.并将改进后的HHT应用到某双转子航空发动机轻、重碰摩故障仿真试验结果的检测中,并与改进前HHT 和小波分析的结果进行了比较,得出了改进后的HHT 的优势,并通过瞬时频率的分析,能够识别出轻、重碰摩的严重程度.

摘要： 针对Hilbeit-Huang 变换(HHT)的不足和现有改进HHT 的局限性,应用时间序列重构矩阵奇异值分解的能量分析方法改进了HHT,并提出了能量门限来识别伪固有模态函数(IMF)的方法.并将改进后的HHT应用到某双转子航空发动机轻、重碰摩故障仿真试验结果的检测中,并与改进前HHT 和小波分析的结果进行了比较,得出了改进后的HHT 的优势,并通过瞬时频率的分析,能够识别出轻、重碰摩的严重程度.

摘要： 本发明通过自建坐标系以及平面拟合的方式，将识别的雷达角点投影到自建坐标下真实物体的角点的方式，将点云因激光密度缺失的部分做了补偿以及建立了一个较为完整的隐射关系。若不同的激光雷达视野较小，可通过移动同一标志物在两激光雷达视野之中进行外参标定，采集较多组数据，即可完成较为精确的标定结果。

摘要： 公开了一种RMS‑SVD多次波压制方法、装置、电子设备及介质。该方法可以包括：拾取多次波的叠加速度，进而获得多次波均方根速度；通过多次波均方根速度针对目标数据道集进行动校正处理，获得动校正后的目标数据道集；确定多次波的时窗范围，进而确定SVD滤波的时窗长度；对动校正后的目标数据道集进行SVD滤波，获得滤波后的目标数据道集；针对滤波后的目标数据道集进行反动校正处理，获得多次波压制的目标数据道集。本发明通过多次波与一次反射波速度方面的差异，可以有效地压制消除目标数据道集上的多次波能量，提高目标数据道集的信噪比。

摘要： 一种基于TVF－EMD－SVD的GNSS多径信号抑制方法，首先将含有多径效应的GNSS信号进行时变滤波经验模态分解，分解得到m个本征模态函数分量，多径信号往往集中在低频的本征模态函数分量中，利用分解得到的m个本征模态函数分量构造时频矩阵，通过对IMF分量构建的时频矩阵进行奇异值分解，将多径信号的各频率成分分解到不同的时频子空间中，然后，计算各时频子空间自相关函数与原信号自相关函数的相关系数，选择相关系数大于等于0.5的时频子空间进行信号重构，从而实现对多径信号的抑制。本发明能够避免EMD在分解时出现的模态混叠情况，同时对于SVD降噪时不能准确选取重构阶次的问题，引入自相关函数和自相关系数，来帮助SVD进行准确的重构阶次选择。

摘要： 本发明公开一种基于区块链和NSCT‑SVD的视频零水印版权保护方法，该方法是视频版权保护基础上，针对视频版权保护方案中存在鲁棒性差和弱透明性的问题，提出了一种简单高效的视频版权保护方法及系统。另一方面，针对版权保护方法中效率较低和不规范的问题，本发明提供一种零水印和区块链相结合的保护方法，对视频的关键帧进行基于距离阈值聚类特征提取，并利用零水印算法构造视频零水印，弥补了轮廓波变换采样的不足；同时，本发明采用基于分块后奇异值分解的零水印算法，它能够保证零水印生成稳定性，使视频质量不受影响，最终实现高效安全的视频零水印版权保护。

摘要： 本发明提出了一种SVD求逆分裂布雷格曼的扫描雷达前视成像方法，解决了现有技术中存在复杂矩阵求逆导致前视扫描雷达成像效率较低的问题。实现步骤为：对回波矩阵进行预处理；构建每个距离单元的目标散射幅度向量，噪声幅度向量以及类卷积测量矩阵；建立每个距离单元前视高分辨成像类卷积模型；将前视高分辨成像问题转换为无约束凸优化问题；获取托普利茨矩阵；对类卷积测量矩阵进行奇异值分解，以获取托普利茨矩阵的逆矩阵；采用裂布雷格曼求解无约束凸优化问题，将逆矩阵带入目标散射幅度计算公式，得到扫描雷达前视高分辨图像，本发明在保证高分辨成像质量的同时，显著提升了成像效率，为实现前视扫描雷达快速成像提供了新思考。

摘要： 本发明公开了雷达技术领域内的一种基于SVD的雷达系统误差的标定方法。该标定方法通过雷达及全站仪多次测量并获取角反射器在天线阵面坐标系下测量值和真值，从而获得雷达系统的测量误差，并根据雷达系统测量误差修正校准，完成系统误差标定，从而提高雷达探测精度。

摘要： 本发明公开了一种DFT‑SVD域抗攻击数字水印嵌入和提取方法，嵌入方法包括利用Arnold置乱变换处理水印图像、载体图像进行DFT变换和SVD分解、水印嵌入和生成含水印图像，提取方法包括使用Radon变换校正含水印图像、置乱图像提取、对置乱图像进行Arnold反置乱变换提取水印、计算原始水印图像与提取出水印图像的归一化相关系数。本发明提升了算法对如JPEG压缩、噪声的常规攻击，以及如旋转、缩放、平移、剪切的几何攻击的抵抗能力，和水印嵌入效果。

摘要： 本发明涉及一种基于SVD算法实现优化梯度下降过程的建模方法，包括以下步骤；步骤一，将待解决的问题通过FunkSVD算法降维分解为两个低秩的矩阵，步骤二，将用户和物品均映射至k维空间中；在k维空间下，对应k个隐藏因子；将物品和用户对应在k维空间上，利用梯度下降的过程优化分布结果；步骤三，采用梯度下降算法进行求解，得出模型。本发明提供了一种基于SVD算法实现优化梯度下降过程的建模方法；能够提高矩阵分解SVD算法的模型构建效率。

摘要： 本发明涉及扬声器的质量检测技术领域，具体涉及一种基于听觉掩蔽结合SVD‑MRMR的扬声器异常声的特征提取方法。本发明首先对采集到的声音通过模拟人工听音来分析扬声器响应信号，计算得到扬声器的听觉感知掩蔽谱；接下来对听觉感知掩蔽谱进行SVD分解得到奇异值特征序列；接着通过MRMR算法提取奇异值特征序列中最优的特征，消除冗余信息，得到降维后的特征，并消除冗余信息，避免在分类过程时特征过多导致分类模型维度过高，影响模型的效率，更有利于统一衡量和评判。

摘要： 本发明公开了一种基于SVD++和UBCF算法的混合推荐方法，该方法包括以下步骤：构造SVD++对象的初始化方法，用于定义初始化参数并进行赋值；定义SVD++对象的训练方法，用于构造神经网络，迭代地使用SVD++算法对初始矩阵进行训练并输出；主函数对SVD++算法的调用；在程序中对生成推荐结果函数进行定义，然后定义计算RMSE的函数，最后在主函数中对UBCF算法进行调用，对新评分矩阵进行二次预测计算，获得SVD++与UBCF混合推荐结果。本发明在程序中对生成推荐结果函数进行定义，然后定义计算RMSE的函数，最后在主函数中对UBCF算法进行调用，对新评分矩阵进行二次预测计算，获得SVD++与UBCF混合推荐结果。