张量分解

摘要： 城市人群的出行特征通过车辆轨迹数据隐含的行为信息可以体现,但传统的单维度模型将不再适用于轨迹数据隐含的多维信息的挖掘。本文将海口市中心城区根据路网划分区域,使用能够挖掘多维信息的非负稀疏约束下张量分解基于“滴滴出行”轨迹数据,从时空维度挖掘居民出行规律并进行区域功能特征识别。结果表明:居民出行时间符合工作日,休息日的早高峰、日间、晚高峰、夜间的出行时间模式;居民出行空间包含6种上/下车出行空间模式,同时发现时间模式与空间模式之间存在交互联系,即居民在不同时间模式下的不同出行空间模式都有不同的上下车冷热点活动,基于该交互联系可以识别出空间功能特征,同时在此基础上基于兴趣点(point of interest,POI)功能识别结合分析,不仅表明居民出行行为识别空间功能特征的可行性,也提高了功能识别结果的准确性,可以为城市管理者解决城市问题如交通拥堵、功能布局失衡等做出决策提供帮助。

摘要： 传统MIMO雷达由于采用全向发射模式导致目标增益损失严重,致使DOA估计算法性能较差。因此,本文提出基于波束空间MIMO雷达的张量模型和快速张量分解的二维DOA估计算法。波束空间MIMO雷达能够通过发射波束成形技术将发射能量集中到指定空域,弥补传统MIMO雷达的发射增益损失。通过高阶张量模型应用MIMO雷达多脉冲接收数据的多维结构,进一步改善DOA估计性能。由于所提方法能有效利用矩阵因子的范德蒙特结构,仅涉及矩阵运算无需优化处理,相对于传统的张量分解方法计算复杂度显著降低。同现有波束空间MIMO雷达DOA估计算法相比,所提算法具有更高的估计精度和更好的分辨能力。仿真验证了算法的有效性。

摘要： 为了解决星载甚高频数据交换系统(Very-high-frequency data exchange system,VDES)接收的碰撞信号在欠定情况下的分离问题,提出一种基于随机近端梯度张量分解的多通道碰撞信号分离算法。该算法根据分离模型对预处理后的信号建立广义协方差矩阵集,堆叠形成张量模型,利用Tucker分解进行压缩得到核张量,减少计算复杂度,并采用随机近端梯度算法优化核张量分解过程,提高了分解精度,最终求得分离矩阵,估计出碰撞的多路源信号。仿真结果表明,该算法在欠定和适定情况下均取得了很好的碰撞信号分离效果。

摘要： 在实际应用中,恢复缺失的高阶数据一直是重要的研究热点,而基于张量分解的方法能够有效地提取数据的低秩结构,预测丢失的数据,为该问题提供了新的思路。针对传统张量环补全模型的秩松弛问题,建立了基于Lp(0

摘要： 高光谱图像变化检测可提供地球表面的时间维变化信息,对城乡规划和管理至关重要。因具有较高的光谱分辨率,高光谱图像常被用于检测更精细的变化。针对高光谱变化检测的问题,提出一种基于协同稀疏与非局部低秩张量的高光谱图像变化检测方法。该方法首先求得前后时间点的高光谱差分图像,再根据差分图像中图像块的非局部分布特点,提取不同的非局部张量簇。然后基于协同稀疏正则化和低秩正则化建立协同稀疏与非局部低秩张量变化检测模型,并采用交替方向乘子法对模型求解得到表示系数。最后根据表示系数求得张量在不同类别中的投影残差,进而根据投影残差最小准则判断该张量块是否发生变化。在Farmland数据集和Urban area in San Francisco City数据集上进行实验,实验结果表明该方法取得较好的高光谱变化检测精度。

摘要： 旅行时间是评价路网运行状态的重要参数,由于设备故障等原因导致旅行时间数据存在缺失问题,因此针对不完备旅行时间数据填补的研究十分必要。传统的张量分解模型基于低秩性假设而忽视了不同数据缺失结构隐含的局部特征,导致模型在不同缺失模式下表达效果不同且高数据缺失率场景下精度降低。针对这一问题,将张量数据结构与交通场景相关联,挖掘出两种高频数据缺失场景。针对随机缺失场景,构建了考虑维度偏置的历史旅行时间张量,并在此基础上提出了一种考虑时间关联性的旅行时间填补方法,该方法能够解决高数据缺失率下张量结构被破坏而导致精度低的问题;针对纤维化缺失场景,将时空相似路段数据融入张量分解模型,规范模型分解方向,解决传统张量分解忽略局部一致性导致的不适用纤维化缺失场景这一问题。最后以瑞安市卡口数据为例对旅行时间填补方法进行验证,结果表明,所提出的方法相较其他模型方法具有更优的性能表现。

摘要： 单元素非负乘法更新算法在学习模型超参数时会出现长尾收敛的情况,本文通过将NAG方法融入到单元素非负乘法更新算法中,得到了广义化的NAG方法,并在此基础上提出了基于广义化自适应的NAG非负张量分解模型。在训练过程中利用粒子群算法对模型的正则化系数和算法的加速度系数进行了优化。最后,在两个真实的工业数据集上的对比实验表明,本文提出的广义化NAG方法明显提高了模型的收敛速度。

摘要： 大数据时代的不断发展促使传感及移动互联设备所产生数据的规模和复杂度快速增长,呈现出多源、异构、海量的特点。因此对这些复杂数据的统一表示、降维处理以及缺失值补全等问题受到研究人员的广泛关注。张量具有对高维数据强大的表示和降维能力并能挖掘元素值之间的潜在关系,被普遍应用于这些问题的研究中。张量分解方法获取高维复杂数据的低维特征,在降低计算复杂度的同时还能够保持原有数据的内在结构,解决“维度灾难”问题。张量补全方法根据已有数据的全局结构获取低秩模型来估计缺失条目。该文从张量分解与补全的视角出发,分别总结相关经典方法的基本思想并分析各自的优缺点。从多源异构大数据分析、人脸识别、数据压缩三方面对张量分解的最新算法进行总结。针对QoS缺失数据预测、短时交通流量预测、图像恢复三个场景介绍了张量补全的最新应用。最后对未来张量研究发展中可能存在的问题与挑战进行展望。

摘要： 为解决现有卷积模块在实际应用中内存消耗高、计算效率低的问题,在Kronecker CANDECOMP/PARAFAC(KCP)张量分解的基础上,提出一种轻量、高效、瓶颈结构的卷积模块(KCPNet)。对普通卷积作2阶KCP分解,生成的因子张量分别映射为两层负责输入输出通道变化的1×1卷积和两层负责特征提取的变通道可分离卷积,再将这4层卷积组成含有瓶颈结构的KCPNet卷积模块。基于OpenCL并行编程框架将KCPNet部署于嵌入式GPU,并围绕pico-flexx深度相机开发了动态手势识别应用。实验结果表明:在ImageNet大规模标准数据集上,相比ResNet、ResNeXt等已有的张量分解卷积模块,KCPNet在准确率相近的情况下能够兼顾空间和计算复杂度的效率;在中等规模标准数据集CIFAR-10上,KCPNet能够在无明显精度损失的前提下将传统的VGG模型压缩至原先的16.1%并节约75.5%的计算量;在面向嵌入式GPU时,并行部署的KCPNet可使CIFAR-10的识别速度达到100帧/s。以KCPNet为核心开发的手势识别应用程序可达到99.5%的准确率和100帧/s以上的运行速度,内存开销为22 MB。

摘要： 针对现有的三维电阻抗成像只是对图像横截面的单独重建,然后罗列为三维进行显示,没有考虑到不同图层间的关联性,致使图像信息利用不充分的问题,提出一种基于张量分解的电阻抗三维成像方法。该方法将实验中测得的数据建立张量模型,使用张量分解可以对胸腔进行直接三维重建,能够充分利用图层间的关联性;并将该方法与总变差正则化(Total Variation,TV)成像算法、Tikhonov正则化重建算法进行实验对比。实验结果表明:基于张量分解的电阻抗三维成像方法,可以充分利用图像的空间结构信息,考虑图像层与层之间的关联特性,能够更加接近肺部的真实情况,准确地反映肺的状态,进而提高图像重建质量;基于张量分解的电阻抗三维成像方法相比于二维张量重建方法,将图像的峰值信噪比(PSNR)提高了13.8%。由此可得,与Tikhonov正则化以及TV成像算法相比,基于张量分解的电阻抗三维成像方法更适合电阻抗的图像重建工作。

摘要： 在大数据技术日益成熟的当下,尽管交通流数据的获取方式趋于多元化、规模不断扩大,但由数据采样率不足与传输紊乱导致的数据质量问题普遍存在,进而对后续的数据挖掘和模型构建带来很大的影响.本文提出了一种基于张量分解的稀疏交通流数据补全方法.首先基于实际的城市道路交通流速度数据,验证了交通流的时空相关性;在此基础上改进了基于CP分解的加权优化方法,通过合理地加入拟合交通流时变特性和路段特性的正则化项,提高了方法在不同数据缺失程度下的补全效果,为城市道路交通状态感知与预测提供了重要支持.

摘要： 轴承在实际的工程应用当中出现局部损伤时会产生周期性的冲击脉冲,但是它们常湮没在噪声当中.提出了一种基于张量分解的滚动轴承复合故障多维降噪技术,通过时间,频率和通道在高维空间中将振动信号建模为一个三阶张量,同时解决多通道信号滤波问题.通过滚动轴承故障仿真分析和一个轴承复合故障实验,验证了该方法在滚动轴承复合故障检测中的有效性.

摘要： 为了更好的实现对多声道音频数据的压缩,提高存储效率,本文提出一种基于张量分解的多声道音频信号压缩方法.音频信号经过预处理后,在样本,声道,时间(帧),频率四个模式下构建4阶音频张量空间,通过Tucker分解得到各个模式下的因子矩阵,通过测试样本构建的张量与因子矩阵的张量运算,得到其近似的核张量.核张量与能量调整参数一起被传输到解码端,用于多声道音频信号的恢复,最后通过计算压缩率和听力测试评价压缩效果.实验结果表明,该方法在保证较好的音质和环绕感的同时,可以获得更大的压缩率.

摘要： 影响程度分析分为独立影响程度分析和联合影响程度分析.传统的影响程度分析方法难以兼顾二者,并且在分析的过程中受困于影响因素数目过多以及因素之间复共线性的干扰.部分方法甚至难以应对大规模数据集,这些问题无疑阻碍了方法分析准确率的提升以及广泛应用.于是基于此提出了基于张量分解与重建的多因素影响程度分析方法(MAT),消除了影响因素之间的复共线性,全面而准确的分析了单一因素的独立影响程度和多因素的联合影响程度.通过在真实大规模移动通信数据集上的实验,验证了MAT方法的有效性和准确性。

摘要： 传统的动态纹理合成方法将高维的动态纹理序列转换为2D信号进行处理，而基于张量分解的动态纹理合成方法,将该序列当作高维信号分解,避免了转换操作。它能同时分析动态纹理序列的时间、空间和色彩信号,对它们同时降维,获得更加紧凑的模型。实验表明,在获得相同图像质量时,基于张量分解的方法所需模型参数仅为2D模型的五分之一。

摘要： 张量是一种数据组织形式,它的实质是高维数组.很多数据都可以被组织成张量的形式.可以考虑将人脸图像组织成张量的形式.人脸识别过程中最重要的一个环节是特征提取,后续的匹配识别过程是建立在它的基础上.TTr1SVD是一种新型的张量分解算法,可以认为该算法是矩阵SVD在张量领域的扩展.实际数据库里的图片的图像模态往往是最大的,结合TTr1SVD算法,得到张量的高阶奇异值分解,改变图片的组织形式,可以加速人脸特征的提取.本文基于TTr1SVD的高阶奇异值分解算法,实现人脸特征的提取和识别,并且保持了较好的准确性.实验结果表明,该算法比传统的使用Tensor Toolbox的高阶奇异值分解算法更加灵活高效.

摘要： 为提高多光谱图像信息隐藏算法的鲁棒性,提出一种基于图像Contourlet变换和张量Tucker分解的信息隐藏算法.将多光谱图像各波段Contourlet变换域低频系数构成三阶张量并进行Tucker分解,在核心张量最后的前向切片中嵌入水印信息.卫星多光谱图像实验结果表明,提出算法对多光谱图像常见的处理如压缩、裁剪等具有很强的鲁棒性.

摘要： 本发明公开一种样本特性化系统。在实施例中，所述样本特性化系统包含通信地耦合到检验子系统的控制器，所述控制器包含经配置以执行存储于存储器中的程序指令集的一或多个处理器，所述程序指令集经配置以导致所述一或多个处理器：获取样本的一或多个目标图像帧；利用所述一或多个所获取目标图像帧来产生目标张量；对所述目标张量执行第一组的一或多个分解过程以形成产生包含一或多个参考图像帧的一或多个参考张量；识别所述一或多个目标图像帧与所述一或多个参考图像帧之间的一或多个差异；及基于所述一或多个所识别差异来确定所述样本的一或多个特性。

摘要： 本发明属于故障诊断信号处理技术领域，具体涉及一种三阶张量秩一分解方法，该方法首先采用两个振动加速度传感器获取轴承两个通道的振动加速度信号；再将双通道信号建立为一个三阶张量信号；最后，对双通道三阶张量信号进行秩一分解，同时引入故障特征频率及秩一张量间的相关系数作为分解约束条件和优化选取因子矩阵的指标，求解出寻优后的秩一张量及最优分量信号。本发明的三阶张量秩一分解方法为滚动轴承故障信号处理及状态监测提供基础支撑，可避免因轴承故障导致的生产安全事故，并且能够节约生产成本。

摘要： 本发明公开了一种基于云计算的大规模高光谱数据张量环分解随机抽样方法，包括以下步骤：读取大规模高光谱张量数据，对其进行格式转换和划分；根据头文件计算抽样数据的数量J，高斯分布初始化n个初始核心张量coreInitialize，将J和coreInitialize广播至每一个计算节点；在计算节点中直方图抽样J次生成张量数据坐标idx1，根据idx1对高光谱张量数据进行抽样；根据idx1对核心张量G抽样生成抽样张量，根据计算节点确定未抽样核心张量Z，最小二乘法计算更新核心张量G；判断到迭代终止条件，迭代结束后，将计算结果核心张量G存储在云计算平台中。本发明能够对大规模高光谱张量数据进行快速、准确的张量环分解。

摘要： 本发明公开一种基于核心脑网络和张量分解的驾驶疲劳状态检测方法。本发明创新性的结合相关性分析和图论中心性原理为判断节点重要性的依据，考虑功能网络随精神状态的变化，通过保留关键节点和相应边来确定影响精神状态的核心脑网络。针对多层脑网络不同频带的脑网络特征之间的关联无法被有效挖掘的问题，本发明将脑网络数据作为高阶张量，使用连续低秩非负塔克分解算法，使用张量分解的方法保留不同频带脑网络之间的相互联系，快速高效的提取多层核心脑网络的分类特征。

摘要： 本发明公开了一种基于小波和非负张量分解的时频空肌肉协同分析方法，属于神经康复工程及运动机制技术领域，所述方法首先进行上肢运动过程中多通道表面肌电信号的同步采集和预处理；然后对预处理后的数据进行小波分解，对小波变换后的时频肌电信号，将同一动作的多通道时频信号构建成小波信号数据张量；通过预先设置分解层数，将分解后的三个矩阵和核张量相乘,得到重构数据张量，再计算拟合值FIT；再判断协同与非协同关系；最后判断协同肌的频谱分量。本发明从运动的产生与执行角度，探讨肌肉协同模型中协同肌在不同频段上的功能激活状态，有助于揭示神经系统功能的内在模式，能够为卒中患者运动康复过程提供生理依据。

摘要： 本发明公开了一种基于差分张量分解的光激励红外热成像缺陷检测方法，先通过实验系统采集红外热图像序列，通过小波分解保留低频图像去除噪声后，再将热图序列看作一个三阶张量，分解为低秩张量、稀疏张量和噪声张量之和；建立目标函数，通过不同秩下的Tucker分解结果进行差分得到的结构之间的差异信息提取图像序列的前景部分即缺陷信息，然后引入概率张量来纠正潜在的不匹配模式，求解出提取缺陷后的热图像序列，从而实现红外热成像的缺陷检测，提高缺陷检出率。

摘要： 本发明涉及基于非局部低秩张量分解的三维医学图像超分辨率方法。针对临床环境中受硬件条件、成像设备、传输效率等限制而无法直接得到高分辨率图像的问题，提出了一种单张三维医学图像的超分辨率方法。该方法采用非局部张量Tucker分解模型来充分利用图像的非局部相似先验，从而实现低分辨率图像的恢复。与现有基于凸优化的张量Tucker分解方法不同，该模型采用张量折凹范数逼近非局部低秩张量，避免了传统的凸优化方法带来的估计误差。同时，引入加权三维TV保持图像各个维度的局部平滑性。该方法在大脑和前列腺的磁共振成像(MRI)图像，腹部和牙科的计算机断层扫描(CT)图像等多种不同的三维医学图像上均得到了良好的超分辨率效果，验证了该方法的有效性和先进性。

摘要： 本发明公开了一种结合张量分解与梯度提升决策树的货量预测方法及系统，属于货量预测技术领域。本发明通过构建货量张量，并通过CP分解对货量张量进行低秩近似，从而过滤噪声，并从始发转运中心、目的转运中心和日期这3个维度提取货量变化因子，然后通过将始发转运中心、目的转运中心这2个维度的货量变化因子整合到梯度提升决策树模型中，更好地利用了历史货量变化趋势，提升了梯度提升决策树模型的货量预测精度。实验表明，本发明在相同超参数下，相比较只用梯度提升决策树的货量预测方法可以获得更高的预测准确率。

摘要： 本申请公开了一种基于非负张量分解的变压器绕组机械状态检测方法，所述方法包括：获取变压器绕组短路冲击时的短路电流信号和振动信号。根据所述短路电流信号和所述振动信号，计算得到短路电流信号时域包络和振动信号时域包络。根据所述短路电流信号时域包络和所述振动信号时域包络进行构建，得到三阶非负张量。计算所述三阶非负张量的核心张量，得到第一核心张量。计算所述第一核心张量的统计量，得到第一统计量。根据所述第一统计量，计算得到第一控制界限。若所述第一统计量属于所述第一控制界限的区间，则变压器绕组机械状态正常。本申请可以对变压器绕组初期故障进行有效识别，进而采取有效运维策略，避免形成重大故障。

摘要： 本申请实施例适用于人工智能技术领域，提供了一种基于张量分解的模型压缩方法、装置和服务器，该方法包括：服务器获取待压缩的模型，模型包括至少一层模型层，模型层具有相应的原始张量，原始张量包括多个维度，多个维度分别具有相应的维度大小；针对模型层中的待分解层，服务器根据待分解层的原始张量中每个维度的维度大小，确定待分解层的原始张量的张量分解形式；以及，服务器根据每个维度的维度大小，确定待分解层的原始张量的张量链分解秩；服务器按照张量分解形式和张量链分解秩，对待分解层的原始张量进行张量分解，得到压缩模型。通过上述方法，可以对深度神经网络模型进行压缩，使得压缩后的深度神经网络模型能够部署在终端设备上。