奇異值分解

我要報(bào)錯(cuò)

  • 基于奇異值分解的機(jī)器人視覺(jué)圖像顯著目標(biāo)自動(dòng)提取方法研究

    在當(dāng)今的機(jī)器人視覺(jué)應(yīng)用中,機(jī)器人視覺(jué)圖像顯著目標(biāo)提取是一個(gè)關(guān)鍵問(wèn)題。它旨在從復(fù)雜的機(jī)器人視覺(jué)圖像背景中突出顯示最重要的信息,以便機(jī)器人可以更有效地理解和處理環(huán)境[1]。然而,這一問(wèn)題具有極大的挑戰(zhàn)性,因?yàn)樾枰诖罅康臋C(jī)器人視覺(jué)圖像數(shù)據(jù)中找到具有顯著性的目標(biāo),這需要復(fù)雜的計(jì)算和準(zhǔn)確的算法。

  • 基于EMD與SVD結(jié)合的S變換模型的局部放電信號(hào)去噪研究

    摘要:局部放電監(jiān)測(cè)是目前高壓電氣設(shè)備亟需解決的重要問(wèn)題。由于局部放電信號(hào)往往含有大量白噪聲,會(huì)影響對(duì)真實(shí)放電信號(hào)的識(shí)別,因此提出了一種基于EMD與SVD結(jié)合的S變換改進(jìn)模型進(jìn)行去噪的新方法。該方法主要由經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)、S變換、奇異值分解(SVD)3個(gè)部分組成。首先利用經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)局部放電信號(hào)進(jìn)行分解,提取其中主要的特征量:其次對(duì)得到的特征量進(jìn)行S變換,得到時(shí)頻矩陣:然后對(duì)該矩陣進(jìn)行奇異值分解,去除噪聲:最后進(jìn)行逆S變換,重構(gòu)信號(hào),從而得到較為清晰的時(shí)域放電信號(hào)。

  • 基于鏡像奇異值分解的單樣本人臉識(shí)別

    前有許多正面人臉的識(shí)別方法，當(dāng)有充分?jǐn)?shù)量的訓(xùn)練樣本時(shí),能取得較好的識(shí)別效果，然而當(dāng)處理單樣本人臉識(shí)別問(wèn)題時(shí),效果則明顯下降。針對(duì)這種情況，提出了基于鏡像奇異值分解的單樣本人臉識(shí)別方法,通過(guò)采用鏡像的方法增加訓(xùn)練樣本信息。實(shí)驗(yàn)表明，在對(duì)人臉圖像進(jìn)行識(shí)別時(shí)取得了較好的效果，并且在一定程度上克服了單樣本條件下姿態(tài)變化對(duì)識(shí)別效果的影響。