特征矩阵

摘要： 针对彩色图像边缘检测中RGB颜色空间分量之间高的关联性会导致部分色彩信息未能被有效识别、检测及抗噪性低,提出一种多层小波阈值去噪函数的彩色图像边缘检测方法。采用改进的小波阈值去噪方法对彩色图像进行去噪预处理;运用四元数思想构建四方向特征矩阵求解Canny算子梯度幅值和幅角;进行非极大值抑制和自适应双阈值处理得到最终边缘检测图像。实验表明,该算法能够较好地获取彩色图像边缘信息,并有效降低漏检率和错检率,增强了自适应性,提高了边缘检测中边缘的连续性和抗噪性。

摘要： 针对模具形状复杂多变,带有大量凸台、凹槽等复杂复合特征的特点,提出了构建复杂模具模型属性邻接图,利用特征面间的边界关系和凹凸关系将复杂模具模型分解为多个元特征,定义面和边的属性类型,构建元特征的特征矩阵。利用各个元特征的特征矩阵与特征库特征矩阵相匹配的特征识别方法,可以实现对模具多类特征的高效识别。最后以冲压模具下模为例进行特征识别分析,证明该方法能有效识别各类特征,满足预期要求。

摘要： 目前变量缺失率相同的填充算法用于多变量缺失率不同的不完整数据集填充效果有限,为了提高对多变量缺失率不同数据集的预测准确率,创新性地提出RXGRegressor集成模型。首先,在BostonHousing数据集上得出RandomForestRegressor、XGBRegressor、GradientBoostingRegressor三种算法填充效果最佳的单变量缺失率范围,对多变量缺失率不同的数据集依据各变量缺失率值选择合适的填充算法;然后,为了验证RXGRegressor模型在实际数据集中的可用性,将其应用于多变量缺失率不同的就业预测数据集上;最后,使用随机森林分类器分别对RXGRegressor模型、均值和单一的回归模型填充后的完整数据集进行就业预测,用分类的ACCURACY得分衡量填充性能。实验结果表明,单一回归模型的ACCURACY得分高于均值,RXGRegressor集成模型的ACCURACY得分最高,由此验证了所提模型对多变量缺失率不同数据集缺失值填充的可行性和实用性。

摘要： 为了向需求维度不同的买家科学地提供基于煤炭产品自身品质及其发售地区差异性推荐意见,文中提出了一种基于卷积神经网络与自然语言处理相结合的文本卷积推荐模型(text CNN recommendation model,TCRM).该模型由各字段单词特征生成嵌入向量,在不同尺寸的卷积核上做卷积和最大池化,再通过全连接层合并所有特征分别得出用户及煤炭产品特征矩阵,将用户特征和煤炭产品特征作为输入,经过全连接的方式进行计算以产生评分预测值.在特征矩阵维数为32,经过20次迭代后模型损失固定在1.0附近,准确率维持在0.25左右,在模型损失率及健壮性上均优于传统数值比例特征运算计算评分时的模型.这样的推荐方式改善了以往由于单因素评分而带来的近邻相似度计算不准确和矩阵稀疏导致的推荐结果不理想的情况.在大量真实数据集上的实验结果显示,在此算法基础上的深层次煤炭产品推荐具有良好的效果.

摘要： 运动估计是视频图像压缩和视频图像修复等领域的基础问题,传统的块匹配法搜索质量较好,但搜索速度不够快.针对传统块匹配法搜索速度上的不足,提出一种快速的一维块匹配运动估计算法.首先对运动矢量正交分解,使用特殊权重系数矩阵对二维匹配块做降维处理,得到2组一维特征矩阵;然后选择一维三步搜索法作为搜索策略,最小绝对误差和准则作为匹配准则,使用2组一维特征矩阵搜索匹配运动矢量的2个分量;最后将分量组成完整的运动矢量.通过多组对比实验的结果表明,该算法在保证定量评价PSNR的前提下,显著提升运动估计的搜索速度,视频清晰度越高、匹配块像素尺寸越大,运动估计搜索速度提升越明显.

摘要： 本文利用Hamilton-Cayley定理和特征矩阵的性质,给出了求实对称矩阵的特征向量的新方法,并通过例子验证了该方法.

摘要： 4亿年前"鸭嘴兽古鱼"的脑腔和内耳新知提出有颌脊椎动物早期演化新框架中国科学院古脊椎动物与古人类研究所朱幼安、卢静、朱敏带领国际联合研究团队,开展了对4亿年前的澳大利亚盾皮鱼类(布林达贝拉鱼,俗称"鸭嘴兽古鱼")脑腔、内耳和内淋巴系统精细解剖结构的研究。相关成果发表于Current Biology。根据新数据,论文详细厘定了有颌类特征矩阵,对其进行的分析结果发现,基于最简约假设的系统演化树与之前假说有较大区别。

摘要： 为了考虑并规避价格型需求响应带来的风险,针对电量变化与电价变化间存在的需求响应关系,采用自适应最优分割法对非线性的需求响应进行拟合,并对需求响应波动做量化刻画,提出了需求响应特征矩阵函数.选取虚拟电厂为背景,采用场景生成方法模拟系统风电和需求响应波动,将需求响应特征矩阵函数计入采用条件风险价值来度量系统不确定风险的优化模型,并以系统期望总收益最大为目标,建立了含需求响应特征矩阵函数的两阶段风险调度模型.仿真结果表明,所建模型能进一步规避风险和提升调度期望总收益,验证了所刻画需求关系和模型有效性.所提方法和模型可为风险规避问题提供借鉴,为不同风险偏好程度的调度提供参考.

摘要： 给出了两矩阵相似充要条件定理的一种新的证明方法.该证明方法未涉及线性变换,也不需要构造特殊的矩阵,因此该证明方法对初学者来讲相对容易理解一些.

摘要： 针对文本聚类问题中因为维度灾难以及特征信息丢失而导致的聚类效果低效问题,本文提出一种基于特征矩阵优化与改进主成分分析(Principal component analysis,PCA)降维的聚类算法.在原基于文档频率和逆词频(Term frequency inverse document frequency,TF-IDF)算法的基础上提出ALFW(Adaptive length frequency weight)权重优化方案,使得特征矩阵的分布性更好,特征项的表征更加明显.在降维处理上,采用信息论中的联合熵标准对PCA算法进行了优化,提出UE-PCA(United entropy-PCA)算法对稀疏高维数据进一步降维,更好地保留了原高维数据的真实性.仿真实验表明,本文提出的算法(K-means+UE-PCA+ALFW)对比其他同类型算法取得了更好的表现效果.

摘要： 本文通过研究Bent函数特征矩阵的性质,得到了Bent函数的一个等价判别条件.利用此条件可以给出Bent函数的一种完全构造法,进而构造出了所有的4元Bent函数.

摘要： 对三种不同方言同一语句的语音资料进行了频谱分析与比较，利用Praat软件提取了三种方言的基音周期，基音周期内的频率加权平均，共振峰平均值。构建了三个方言特征矩阵，通过对三个方言特征矩阵的特征值与特征向量的数值分析，揭示了方言在一个方言区内随地域变化的内在规律，这种方法可用于方言的说话人识别.

摘要： 本文建立了综合气动/推进的升力体高超声速飞行器的动态模型，考察了由半壁尾喷管结构引起的推力变化对飞行动态的影响，对比轴对称高超声速飞行器，针对升力体类型的高超声速飞行器，推导了其小偏差线性化模型，采用特征矩阵扰动理论，分析了飞行高度、马赫数、攻角等参数对高超飞行动态的影响。

摘要： 分析了小波包分解后多分辨率下利用(2D)2PCA提取人脸特征进行识别的性能。首先通过2D-DWT对图像进行二层小波包分解，采用(2D)2PCA方法获取小波树节点图像基特征矩阵;然后构建不同光照、表情下的测试样本，分别对节点图像进行识别率测试，分析出不同条件下节点的贡献率，并选取贡献率较大的几个节点，组合成识别器，完成人脸识别：最后，在PIE、Yale和UMIST库上的样本测试表明，节点图像组合能达到高于原始图像的识别率。

摘要： 基于连续小波变换法,本文给出了一种多输入多输出状态下飞行器结构动特性参数的辨识方法。文中首先对结构动力学响应和激励进行连续小波变换,然后利用得到的小波系数来确定飞行器结构系统的ARV模型和特征矩阵,这样模态参数的辨识问题就转化为了求特征矩阵的特征值和特征向量。在辨识过程中,采用优化算法提高了辨识的精度和稳定性。算例仿真结果表明,该方法具有较高的计算精度和稳定性,能用于飞行器结构动特性参数的辨识。

摘要： 为获得体积最小、性能最优的八轮扭杆式月球车可展开悬架结构型式，对其进行了拓扑结构设计。首先根据可展开悬架特点，确定了表征悬架展开运动特性的运动输出特征矩阵。基于该矩阵构造支路拓扑结构类型、构造支路组合方案、判定消极运动副、选定主动副位置，得到了一系列可展开悬架拓扑结构。在综合悬架展开机构的功能、体积等因素后，从中选取了可展开悬架的最优构型。该设计过程提供了应用拓扑结构学理论进行新型机构构型设计的范例。

摘要： 提出了一种新颖的基于分块的二值图像信息隐藏算法.算法首先计算出原始图像中每个像素的可修改度,并通过置乱来均衡可修改像素在图像中的分布;将置乱后的二值图像分块,提取每块图像的特征值,组成二值的特征矩阵,对特征矩阵再进行分块,根据特征矩阵块进行信息嵌入.若要嵌入的信息与特征矩阵块中的某一特征值不相匹配时,则通过翻转与该特征值对应的图像块中最适合修改的一个像素来实现对此特征值的间接修改.实验结果表明,该隐藏算法信息嵌入量适中,隐藏信息的图像具有良好的视觉透明性,系统的安全性也较高.

摘要： 本文依据Roe型格式,探讨了产生预处理计算的不稳定性的原因.通过对预处理后的特征矩阵的分析,认为其中含有不稳定的结构,而这是不稳定产生的原因之一.依据这一思路,改进了预处理Roe格式的实现形式,减少了特征矩阵中不稳定的结构.计算实践表明,这一改进,相当显著的提高了预处理计算的稳定性.这一结果也反过来证实了对计算不稳定原因的分析,从而为进一步的改进,提供了思路.

摘要： 本文利用Radon变换得到图像在该变换下的特征矩阵,进而提出了软阈值新息模型,利用软阈值边缘检测方法进行图像识别.与全局阈值法对比,通过新息模型的直方图统计,直观说明了本文方法能在有效降噪的前提下,保留更多的变形信号.试验证明,该方法对于光照度变化不敏感,并具有较强的抗噪声特性,用该方法获取的阈值能较好地分割图像,节省时间和空间.

摘要： 受人脑工作机制的启发,提出基于差分融合的虹膜识别方法。首先对两幅归一化的虹膜图像分别计算行、列一阶差分;然后,取第一幅图像的行一阶差分、列一阶差分,融合产生一个特征编码矩阵;再次,取第一幅图像的列一阶差分、第二幅图像的行一阶差分,融合产生一个新的特征编码矩阵.计算两个特征编码矩阵的归一化距离,以此判断两幅虹膜图像的异同.在中国科学院自动化所虹膜数据库上实验,经过285290次匹配,算法的正确识别率达到99.91%.

摘要： 一种基于异质特征联合自表示的特征子空间与亲和矩阵联合学习方法，将原始数据及其异质特征整合到一个公共集合中，形成多模态样本集合；然后，在集合上对每一个模态下的样本数据都学习一对垂直和水平投影矩阵，并且可以捕获所有模态下的异质特征之间的互补信息；此外，为了揭示隐藏在多模态视觉数据中的内在子空间结构，设计了一个基于阈值岭回归的自表示模型，进而将学习到的表示矩阵用于构建有效的亲和矩阵；同时，通过联合学习特征子空间和表示矩阵，二者性能可以互相促进；为了确保模型在实际应用中的性能，设计了基于图的表示矩阵约束项来捕获数据的非线性结构信息，这有助于保持复杂样本的邻居关系。

摘要： 本发明公开了一种基于极化功率矩阵特征值的昆虫特征参数反演方法,基于对极化散射矩阵的极化不变量的研究，发现了Graves功率矩阵的两个特征值λ

摘要： 本发明涉及一种基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法，包含：提取样本训练集中多个聚合通道的ACF特征，获取聚合通道特征向量和灰度共生矩阵特征向量，将两者送入软级联Adaboost分类器训练，获取分类器一和分类器二；读取待测图像，提取其ACF特征，获取聚合通道特征向量；将聚合通道特征向量送入分类器一分类，获取候选的坐标和目标窗口；获取灰度共生矩阵特征向量，将其送入分类器二中排除背景干扰，得到最终目标的输出结果。本发明将颜色、梯度方向直方图、梯度和纹理特征进行融合，过滤掉与人头相似背景，有效降低分类器漏检和误检率，提高存在诸多干扰背景时俯视行人的检测性能，稳定、可靠且高效，具有较强的实际应用价值。

摘要： 本发明涉及一种基于矩阵特征的STC最优子校验矩阵集合选取方法，该方法具体为：首先子校验矩阵的规格不应过小，即h≥5，w≥5，同时一般情况下|h‑w|≤2；其次我们需要保证子校验矩阵的每一列都不相同；再次根据“稀疏度约束”应保证每列的稀疏度最低(即每列的“1”要尽可能的多)；随后根据“每列奇偶性约束”应保证“首行置1”；接着“每行0‑1和约束”我们应尽可能保证“行和为1”；最后根据“末行置1约束”应在其它约束条件不被破坏时，保证“末行置1”。该方法能对不同的密信载体进行自适应地选取子校验矩阵，并能使失真元素个数最小化。

摘要： 一种基于异质特征联合自表示的特征子空间与亲和矩阵联合学习方法，将原始数据及其异质特征整合到一个公共集合中，形成多模态样本集合；然后，在集合上对每一个模态下的样本数据都学习一对垂直和水平投影矩阵，并且可以捕获所有模态下的异质特征之间的互补信息；此外，为了揭示隐藏在多模态视觉数据中的内在子空间结构，设计了一个基于阈值岭回归的自表示模型，进而将学习到的表示矩阵用于构建有效的亲和矩阵；同时，通过联合学习特征子空间和表示矩阵，二者性能可以互相促进；为了确保模型在实际应用中的性能，设计了基于图的表示矩阵约束项来捕获数据的非线性结构信息，这有助于保持复杂样本的邻居关系。

摘要： 本发明涉及一种基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法，包含：提取样本训练集中多个聚合通道的ACF特征，获取聚合通道特征向量和灰度共生矩阵特征向量，将两者送入软级联Adaboost分类器训练，获取分类器一和分类器二；读取待测图像，提取其ACF特征，获取聚合通道特征向量；将聚合通道特征向量送入分类器一分类，获取候选的坐标和目标窗口；获取灰度共生矩阵特征向量，将其送入分类器二中排除背景干扰，得到最终目标的输出结果。本发明将颜色、梯度方向直方图、梯度和纹理特征进行融合，过滤掉与人头相似背景，有效降低分类器漏检和误检率，提高存在诸多干扰背景时俯视行人的检测性能，稳定、可靠且高效，具有较强的实际应用价值。

摘要： 本发明公开了一种基于极化功率矩阵特征值的昆虫特征参数反演方法,基于对极化散射矩阵的极化不变量的研究，发现了Graves功率矩阵的两个特征值λ

摘要： 本发明提出基于特征矩阵决策树的时间序列特征识别与分解方法，主要包括样本数据预处理、确定样本数据周期、样本数据的特征选择与提取以及建立多元时间序列特征识别与分解模型。本发明的方法能够提高特征识别的速度和准确率，特别适用于电力行业中的非侵入式负荷识别与分解。

摘要： 本发明提供一种基于特征矩阵的毛坯模型复杂特征分层识别方法，首先使用阈值分割法识别和剔除大型复杂构件毛坯模型伪特征及其数据，进行毛坯模型优化。然后构建该优化毛坯模型的属性邻接图，采用分层识别方法对构件的优化毛坯模型相交特征进行分层处理，得到单一特征并计算其特征矩阵。将多类型单一特征均转换为特征矩阵，建立特征匹配库。最后将特征矩阵与特征库进行匹配，以进行模型相交特征准确识别。对具有舱体零件多种特征的毛坯模型进行实例验证，通过准确识别多类型特征分别验证了该算法的可行性和有效性。实现基于毛坯模型拓扑信息的大型舱体类构件多层次复杂相交特征识别。

摘要： 本发明提出基于特征矩阵决策树的时间序列特征识别与分解方法，主要包括样本数据预处理、确定样本数据周期、样本数据的特征选择与提取以及建立多元时间序列特征识别与分解模型。本发明的方法能够提高特征识别的速度和准确率，特别适用于电力行业中的非侵入式负荷识别与分解。