导读:本文包含了矩阵恢复论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:矩阵,稀疏,算法,正定,无人机,乘法,最小化。
矩阵恢复论文文献综述
胡静,陶洋,郭坦,孙雨浩,胡昊[1]（2019）在《基于低秩矩阵恢复的群稀疏表示人脸识别方法》一文中研究指出针对训练集和测试集均存在光照、遮挡、噪声污染等情况下的人脸识别问题,提出一种基于低秩矩阵恢复的群稀疏表示人脸识别方法。将人脸图像由空域变换到对数域,通过低秩矩阵恢复算法恢复每子类训练样本,增强恢复数据的鉴别力;学习恢复低秩成分与原始训练数据之间的低秩映射关系矩阵,利用该矩阵将测试样本映射到其潜在的子空间下,移除测试样本中存在的误差;计算恢复的测试样本在恢复的训练集上的群稀疏表示,结合重构残差与类关联系数进行识别。在CMU PIE、Extended Yale B和AR数据库上的实验结果表明,该方法具有较高的识别率和较强的鲁棒性。(本文来源于《计算机工程与设计》期刊2019年12期）
李佳,丛犁,姜华,胡杨,黄成斌[2]（2019）在《基于矩阵恢复的无人机巡线系统中图像去噪算法》一文中研究指出随着电网的不断发展,电力通信网在整个电力系统中发挥着重要的支撑和保障作用。吉林省通信线路长期暴露在自然环境中,传统巡线方式效率低,近些年,无人机已应用在日常线路巡视工作中,但由于光照强度和大气湍流等影响,采集到的图像质量不能满足实际工作要求,采用矩阵恢复(matrix recovery)的图像去噪方法去除无人机采集图像中的噪声,通过观测图像矩阵的部分元素或者图像矩阵元素通过某种线性(非线性)运算去除噪声,该恢复算法提高了通信线路的检测精度、效率和可靠性,提升巡线效率和水平。(本文来源于《电力通信技术研究及应用》期刊2019-10-23）
唐学用,韩玘桓,李庆生,黄玉辉,赵庆明[3]（2019）在《基于矩阵算法的主动配电网交直流混合网络供电恢复策略研究》一文中研究指出考虑到直流输电技术的发展,直流配电应用于配电网中是未来配电网的研究重点。本文为解决主动配电网交直流混合网络的供电恢复问题,提出含直流配电线路的主动配电网供电恢复方案,当交流配电线路出现故障时,考虑直流侧配电线路网损、换流器以及分布式电源影响下的供电恢复方案;当直流配电线路出现故障时,考虑转换直流侧运行方式或让失电的直流负荷转入计划孤岛运行模式,以保证直流侧重要负荷的持续供电,分别提出交流侧和直流侧约束条件,并在约束条件下选取网络损耗、线路末端电压越限节点个数以及开关操作次数作为指标构建目标函数,依据矩阵算法对供电恢复过程的不同恢复方案进行大数据分析与处理,得出最优方案。通过改进的IEEE123节点算例证明,提出的方案能够有效的解决主动配电网的供电恢复问题。(本文来源于《电力大数据》期刊2019年10期）
蔡云,石莹[4]（2019）在《基于矩阵RIP条件的低秩矩阵恢复算法》一文中研究指出低秩矩阵恢复问题考虑从较少的线性测量信号中来恢复一个未知的低秩的矩阵,该问题在高维图像处理等有着广泛的应用。本文主要介绍低秩矩阵恢复的一些数学背景以及常用的恢复算法,最后给出基于矩阵RIP条件的恢复结果。(本文来源于《科技风》期刊2019年30期）
高萌萌,韩国栋,曹文飞[5]（2019）在《基于Log-sum惩罚的Poisson噪声下矩阵恢复算法》一文中研究指出在工程应用中,例如智能交通系统、数据挖掘以及距离测量等,大部分矩阵恢复模型均基于矩阵秩函数的凸松弛—矩阵核范数而提出,并取得显着性的恢复效果.但是压缩感知的有关研究表明,凸松弛函数在信号恢复问题上有诸多局限性.因而,本文采用非凸松弛函数来解决Poisson噪声污染的矩阵恢复问题.具体来说,本文首先引入一个Log-sum非凸函数正则的恢复模型;然后,我们为此模型设计一个高效的求解算法并分析了其收敛性质.模拟和实际数据的实验结果表明,本文提出的方法相比于现有方法具有良好的恢复性能.(本文来源于《工程数学学报》期刊2019年05期）
梁寿愚,方文崇,王瑾,何超林,张磊[6]（2019）在《基于图规则化低秩矩阵恢复的用电数据修复与异常检测》一文中研究指出针对电力系统用电数据中的记录误差与异常用电,提出一种基于图规则化低秩矩阵恢复的电力系统用电记录修复与异常检测算法。该方法从用户用电时空矩阵的低秩稀疏分解出发,结合电网拓扑结构与用户相关性的规则化调整,获取修复后的用电数据和异常用户。该方法同时兼顾了用户用电的周期性与异常用户的差异性特点。实验分析表明,与相关方法相比,所提方法在用电数据修复与异常用电模式检测的多项评价标准下均取得了更好的准确性和鲁棒性。(本文来源于《电力系统自动化》期刊2019年21期）
朱广平,宋泽林,殷敬伟,刘冰,刘建设[7]（2019）在《混响背景下低秩矩阵恢复的目标亮点特征提取》一文中研究指出有源声呐探测水下目标时,混响干扰增加了从目标回波信号中提取目标亮点特征的难度.依据目标回波与混响在时频域上能量分布的相关性不同,采用自适应核时频分析方法将目标回波信号变换到时频域上进行分析.通过低秩矩阵恢复方法将目标回波与混响分到稀疏矩阵和低秩矩阵中,从而分离目标回波与混响,降低混响对回波信号的干扰.针对稀疏矩阵采用Hough变换提取回波中的亮点峰,得到目标的亮点特征。通过仿真和实验数据证明在较低信混比情况下通过低秩矩阵恢复方法能够在时频域上进一步区分目标回波与混响,达到抑制混响的目的,便于获取目标亮点特征。(本文来源于《声学学报》期刊2019年04期）
杨鑫刚[8]（2019）在《密度矩阵恢复的一种改进FPCA算法》一文中研究指出矩阵恢复是一项非常有意义的工作。针对量子力学中的密度矩阵,本文在近似奇异值分解基础上的不动点迭代算法(FPCA)的基础上,提出了更适合的改进算法。从数值实验来看,取得了很好的效果。(本文来源于《电脑知识与技术》期刊2019年20期）
余宏伟,蒋轶[9]（2019）在《低秩半正定矩阵最小二乘恢复算法》一文中研究指出多年来矩阵恢复一直是学术界的一个热门研究课题,它被广泛应用于多个技术领域,如计算机视觉、图像恢复以及推荐系统等。考虑其中一种特殊且十分重要的矩阵恢复,即半正定矩阵恢复。通过将此类矩阵恢复问题与基于测距的网络定位问题类比,构造了基于最小二乘的优化模型,运用顺序凸规划(sequential convex programming/SCP)算法,可以高效并精确地求解此问题,从而将缺失矩阵较为精准地还原为全矩阵。仿真结果证明相比于目前文献中已有矩阵恢复算法,提出的算法具有更好的恢复性能。(本文来源于《微型电脑应用》期刊2019年06期）
叶海良[10]（2019）在《低秩矩阵恢复与深度级联宽度学习系统研究》一文中研究指出近年来,低秩矩阵恢复和深度学习作为两种强有力的工具,能够有效分析和处理数据中的冗余信息和噪声干扰,对模式识别、图像处理及计算机视觉等诸多领域产生了重要影响.然而,现有的低秩矩阵恢复方法存在逼近能力欠佳和稳定性不足等弊端,而深度学习方法涉及的参数数量多、结构复杂及训练耗时等困难,这些问题极大地影响了算法的性能.本学位论文从低秩矩阵恢复和深度学习两个角度,展开了系统研究和讨论,在对现有算法分析的基础上,结合秩逼近方法和宽度学习系统等,设计了一系列有效的算法,并将其应用于图像去噪、图像补全和推荐系统等实际任务.具体研究工作概括如下:1.提出了一种基于高光谱图像混合噪声移除的秩逼近方法.高光谱图像含有多种类型的噪声,如何消除混合噪声对于后续处理极其重要.传统的方法通常至多只能同时移除两种噪声,且需要特定的噪声先验知识;而现有的低秩矩阵恢复方法往往不能有效逼近秩函数,从而影响了去噪性能.为克服这些困难,我们给出了一个直接逼近秩函数的平滑函数,并构造了相应的光滑秩逼近(Smooth Rank Approximation,SRA)模型,用于处理高光谱图像混合噪声.进一步,根据凸差策略和增广Lagrange乘子等优化方法,我们设计了一种有效的SRA算法,并且分析了其收敛性,确保了该算法的有效性.实验结果表明,SRA算法能快速且有效移除高光谱图像混合噪声.2.构建了基于矩阵填充的混合截断范数正则化方法.针对不完整或具有缺失条目的数据,常用的方法是利用矩阵秩最小化,将其转化成矩阵填充问题.然而,传统的基于核范数及其变式的方法不能很好地逼近秩函数.近年来,截断核范数由于其优异的性能,被视为秩函数的良好替代,但其稳定性仍然是一个挑战.基于此,我们引进了一种新的截断Frobenius范数,将其与截断核范数结合,建立了混合截断范数(Hybrid Truncated Norm,HTN)模型,试图提高恢复精度的同时增强模型的稳定性.为求解此模型,我们设计了一种有效的两步迭代算法,给出了相应的自适应惩罚参数选取规则,并分析了该算法的收敛性.实验结果表明,HTN方法能有效改善恢复效果并且可促进模型的稳定性.3.设计了自适应正则化深度级联宽度学习系统.深度学习方法具有参数数量多、结构复杂、训练耗时且目标函数非凸等缺陷.而宽度学习系统(Broad Learning System,BLS)提供了一种处理大规模数据的学习框架,具有快速学习的能力,在模式识别等领域中取得了较好的应用效果.为了使BLS能够更充分的获取数据信息,避免精度的损失,且能达到良好的稳定性,我们提出了自适应正则化深度级联宽度学习系统(Deep Cascade Broad Learning System,DCBLS).该方法试图通过构造两个深层结构提取数据中的有效信息,然后将这两个深层结构融合并传递到输出层,建立一个凸正则化深度级联宽度学习系统模型,由此增强模型的表示能力和提高模型的稳定性.进一步,针对大规模数据可能存在存储等难以处理的情形,我们设计了并行化的求解方案;同时,根据一些假设,给出了自适应正则化参数选取策略;随后,探讨了模型的稳定性和误差估计.实验结果表明,DCBLS在图像去噪任务中的精度和效率显着优于其他方法.(本文来源于《华中科技大学》期刊2019-05-01）
矩阵恢复论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着电网的不断发展,电力通信网在整个电力系统中发挥着重要的支撑和保障作用。吉林省通信线路长期暴露在自然环境中,传统巡线方式效率低,近些年,无人机已应用在日常线路巡视工作中,但由于光照强度和大气湍流等影响,采集到的图像质量不能满足实际工作要求,采用矩阵恢复(matrix recovery)的图像去噪方法去除无人机采集图像中的噪声,通过观测图像矩阵的部分元素或者图像矩阵元素通过某种线性(非线性)运算去除噪声,该恢复算法提高了通信线路的检测精度、效率和可靠性,提升巡线效率和水平。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
矩阵恢复论文参考文献
[1].胡静,陶洋,郭坦,孙雨浩,胡昊.基于低秩矩阵恢复的群稀疏表示人脸识别方法[J].计算机工程与设计.2019
[2].李佳,丛犁,姜华,胡杨,黄成斌.基于矩阵恢复的无人机巡线系统中图像去噪算法[C].电力通信技术研究及应用.2019
[3].唐学用,韩玘桓,李庆生,黄玉辉,赵庆明.基于矩阵算法的主动配电网交直流混合网络供电恢复策略研究[J].电力大数据.2019
[4].蔡云,石莹.基于矩阵RIP条件的低秩矩阵恢复算法[J].科技风.2019
[5].高萌萌,韩国栋,曹文飞.基于Log-sum惩罚的Poisson噪声下矩阵恢复算法[J].工程数学学报.2019
[6].梁寿愚,方文崇,王瑾,何超林,张磊.基于图规则化低秩矩阵恢复的用电数据修复与异常检测[J].电力系统自动化.2019
[7].朱广平,宋泽林,殷敬伟,刘冰,刘建设.混响背景下低秩矩阵恢复的目标亮点特征提取[J].声学学报.2019
[8].杨鑫刚.密度矩阵恢复的一种改进FPCA算法[J].电脑知识与技术.2019
[9].余宏伟,蒋轶.低秩半正定矩阵最小二乘恢复算法[J].微型电脑应用.2019
[10].叶海良.低秩矩阵恢复与深度级联宽度学习系统研究[D].华中科技大学.2019
论文知识图
