奇異值分解

我要報錯

  • 基于奇異值分解的機器人視覺圖像顯著目標自動提取方法研究

    在當今的機器人視覺應用中,機器人視覺圖像顯著目標提取是一個關鍵問題。它旨在從復雜的機器人視覺圖像背景中突出顯示最重要的信息,以便機器人可以更有效地理解和處理環(huán)境[1]。然而,這一問題具有極大的挑戰(zhàn)性,因為需要在大量的機器人視覺圖像數(shù)據(jù)中找到具有顯著性的目標,這需要復雜的計算和準確的算法。

  • 基于EMD與SVD結合的S變換模型的局部放電信號去噪研究

    摘要:局部放電監(jiān)測是目前高壓電氣設備亟需解決的重要問題。由于局部放電信號往往含有大量白噪聲,會影響對真實放電信號的識別,因此提出了一種基于EMD與SVD結合的S變換改進模型進行去噪的新方法。該方法主要由經(jīng)驗模態(tài)分解(EMD)、S變換、奇異值分解(SVD)3個部分組成。首先利用經(jīng)驗模態(tài)分解對局部放電信號進行分解,提取其中主要的特征量:其次對得到的特征量進行S變換,得到時頻矩陣:然后對該矩陣進行奇異值分解,去除噪聲:最后進行逆S變換,重構信號,從而得到較為清晰的時域放電信號。

  • 基于鏡像奇異值分解的單樣本人臉識別

    前有許多正面人臉的識別方法，當有充分數(shù)量的訓練樣本時,能取得較好的識別效果，然而當處理單樣本人臉識別問題時,效果則明顯下降。針對這種情況，提出了基于鏡像奇異值分解的單樣本人臉識別方法,通過采用鏡像的方法增加訓練樣本信息。實驗表明，在對人臉圖像進行識別時取得了較好的效果，并且在一定程度上克服了單樣本條件下姿態(tài)變化對識別效果的影響。