导读:本文包含了线性子空间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:线性,空间,密码,局子,密码学,算子,梯度。
线性子空间论文文献综述
任克强,张静然[1](2019)在《基于判别字典学习的线性子空间人脸识别算法》一文中研究指出提出判别字典学习来获取线性子空间方法,以减弱光照等噪声对子空间人脸特征提取的影响,从而在保证稀疏系数的局部结构性同时保持字典的判别性.首先,训练与语意相关的结构字典,并在破坏非同类语意样本间局部结构稀疏性的同时,增强同类语意样本间局部结构的稀疏性;其次,利用最大间隔准则(MMC)在重构后稀疏易分的语意子空间对样本进行特征提取,不仅可以避免小样本问题还可以在重构后的语意空间中提取抗噪声干扰的特征.在Yale库、AR库和Yale B库数据集上的试验结果表明:与现有算法相比,该算法有更优的性能,能更高效地提取不受噪声干扰的易分类人脸语意特征.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年09期)
徐运阁,曾祥勇[2](2019)在《线性子空间的直和与直积》一文中研究指出线性(子)空间的直和是线性代数中的重要概念,本文从泛映射性质的角度刻划线性(子)空间的直和与直积,证明有限个线性(子)空间的直和与直积同构,并将相关结论推广到无穷多个线性(子)空间的直和与直积.(本文来源于《大学数学》期刊2019年01期)
申希兵,韦容,杨毅[3](2018)在《塔式GPCA张量线性子空间图像模式低秩识别》一文中研究指出数据维数对计算复杂度产生较大影响,降维会导致图像模式的拓扑和几何特征信息丢失,为提高降维后的数据保真度,提出一种基于塔式随机映射广义主成分分析(GPCA)的张量线性子空间图像模式低秩识别方法。在理论上给出塔式变换与随机映射特性分析,推导出随机映射是一个线性和拓扑保持的降维映射;在模式张量的线性降维中,对图像模式识别映射情形进行研究,利用迭代最小二乘算法进行GPCA步骤设计;基于塔式变换降维、随机映射和GPCA构建张量子空间低秩逼近分类过程,实现图像模式高效识别。实验结果表明,所提算法在能量消耗、距离相对误差均值、识别率和计算时间指标上优于对比算法。(本文来源于《计算机工程与设计》期刊2018年12期)
徐运阁,曾祥勇[4](2018)在《关于线性子空间与仿射子空间的注记》一文中研究指出作为线性方程组的逆问题,本文刻划了线性子空间与仿射子空间分别是某一齐次与非齐次线性方程组的解集,并给出了利用矩阵初等行变换求解相应线性方程组的简便方法;进一步通过仿射子空间引入商空间的概念,建立线性空间的同态基本定理,从而得到维数公式的一个新的证明.(本文来源于《大学数学》期刊2018年04期)
张静然[5](2018)在《线性子空间在人脸识别中的应用研究》一文中研究指出为解决依据图像表现的人脸识别问题,对原图像维数进行约简必不可免,子空间降维人脸识别技术是当前研究的一个热点。直接对测试样本采取投影降维,简单高效。该文对两种有效子空间特征提取算法进行研究,并在YALE人脸库上进行识别率对比实验。(本文来源于《电脑知识与技术》期刊2018年22期)
张鑫[6](2018)在《基于线性子空间逼近的统一线性降维》一文中研究指出随着大数据时代的来临,海量的文本、图像、音频等多种类型数据无时无刻地在陆续产生。在处理图像过程中,若将机器学习算法直接应用于原始图像,那么海量的图像数据对于硬件与软件而言,将会是巨大的挑战。因此,处理高维数据成为目前数据挖掘、模式识别等领域的研究热点。高维数据挖掘的核心任务之一是降维。给定一个高维空间样本,降维的目的是将原空间中的样本进行特征选择或特征提取以映射到低维子空间中。作为数据处理的有效手段,其有着提升学习效果、增强计算有效性、减少存储量、构建更好地通用模型的优势,子空间的学习结果可以广泛应用于分类或聚类任务中。本论文首先对降维算法特别是子空间学习的国内外研究现状进行分析,全局子空间学习算法假设数据分布在同一空间,因此无法很好的表征那些包含不同子空间的样本。为了克服这个缺点,研究人员提出了利用局部线性子空间对流形进行建模。但无论使用全局子空间学习算法,还是使用局部子空间学习算法,必须确定样本是否被包含在不同的子空间。如果样本包含于不同的子空间中,则通常需要给出子空间的数目,这极大限制了这些算法的灵活性和性能。对于上述问题,本文受神经网络中激活函数的启发,提出了一种自适应局部子空间学习方法,以及样本间相似性计算方法,使得对样本进行子空间学习时无需考虑其是否存在于多个不同的子空间中。通过推导以及性能分析实验可证明该算法学习的子空间能够更好表示流形结构中样本间的相邻关系。在标准人脸库的识别、重构实验中验证了本文提出的特征提取方法在高维数据样本上的有效性与鲁棒性。(本文来源于《北京工业大学》期刊2018-05-01)
刘金会,禹勇,杨波,吴万青[7](2018)在《相关随机分析线性子空间的伪适应性零知识证明》一文中研究指出非交互式零知识(non-interactive zero-knowledge,NIZK)证明是零知识证明的一种,它也是密码学协议中的一个重要工具.非交互式零知识证明系统有着很多的应用,可以将其应用在数字签名方案、公钥密码体制以及密钥分配体制等.矩阵运算具有非交换属性,基于非交换代数结构的公钥密码算法,目前还没有量子计算算法,因此,基于矩阵的零知识证明具有抗量子计算攻击的潜力.Kiltz等人在EUROCRYPT 2015上构造了一个线性空间的伪适应性非交互式零知识证明(quasi-adaptive NIZK,QANIZK),同时将该技巧推广到保持线性同态结构的签名方案.针对这类方案,本文主要介绍了一种相关随机攻击方法,分别对线性空间的具有适应性合理性的QANIZK,简单的具有适应性一次模拟合理性的QANIZK和QANIZK构造进行了相关随机分析.在对方案的相关随机分析过程中,首先给定一个合理的假设,分析方案的公私密钥对,通过求解代数方程组,获取一些等价密钥,进而伪造签名.然后,分别介绍攻击方法相关的算法描述,有效性分析和攻击成功的概率.最后说明攻击方法的合理性并提出进一步的分析研究.(本文来源于《密码学报》期刊2018年02期)
刘敏[8](2017)在《浅谈线性子空间的交与并》一文中研究指出通过举例来探讨线性子空间的交与并,并着重介绍线性子空间之并不一定是线性子空间。(本文来源于《辽宁科技学院学报》期刊2017年06期)
周海林[9](2017)在《线性子空间上求解矩阵方程组A_1XB_1=C_1,A_2XB_2=C_2的迭代算法》一文中研究指出应用共轭梯度方法,结合线性投影算子,给出迭代算法求解了线性矩阵方程组A_1XB_1=C_1,A_2XB_2=C_2在任意线性子空间上的约束解及其最佳逼近.当矩阵方程组A_1XB_1=C_1,A_2XB_2=C_2相容时,可以证明,所给迭代算法经过有限步迭代可得到矩阵方程组的约束解、极小范数解和最佳逼近.文中的数值例子证实了该算法的有效性.(本文来源于《计算数学》期刊2017年02期)
张立卓[10](2016)在《关于线性子空间基的一种求解方法》一文中研究指出讨论了线性子空间基的一种求解方法.(本文来源于《大学数学》期刊2016年04期)
线性子空间论文开题报告
(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:
线性(子)空间的直和是线性代数中的重要概念,本文从泛映射性质的角度刻划线性(子)空间的直和与直积,证明有限个线性(子)空间的直和与直积同构,并将相关结论推广到无穷多个线性(子)空间的直和与直积.
(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。
线性子空间论文参考文献
[1].任克强,张静然.基于判别字典学习的线性子空间人脸识别算法[J].华中科技大学学报(自然科学版).2019
[2].徐运阁,曾祥勇.线性子空间的直和与直积[J].大学数学.2019
[3].申希兵,韦容,杨毅.塔式GPCA张量线性子空间图像模式低秩识别[J].计算机工程与设计.2018
[4].徐运阁,曾祥勇.关于线性子空间与仿射子空间的注记[J].大学数学.2018
[5].张静然.线性子空间在人脸识别中的应用研究[J].电脑知识与技术.2018
[6].张鑫.基于线性子空间逼近的统一线性降维[D].北京工业大学.2018
[7].刘金会,禹勇,杨波,吴万青.相关随机分析线性子空间的伪适应性零知识证明[J].密码学报.2018
[8].刘敏.浅谈线性子空间的交与并[J].辽宁科技学院学报.2017
[9].周海林.线性子空间上求解矩阵方程组A_1XB_1=C_1,A_2XB_2=C_2的迭代算法[J].计算数学.2017
[10].张立卓.关于线性子空间基的一种求解方法[J].大学数学.2016