期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
自适应秩约束逆矩阵近似分解及其在语音增强中的应用
1
作者 王强进 吴占涛 +1 位作者 李宝庆 杨宇 《计算机应用研究》 CSCD 北大核心 2024年第11期3389-3393,共5页
针对低秩约束和稀疏矩阵分解(constrained low-rank and sparse matrix decomposition, CLSMD)方法中硬阈值可能导致降噪后的语音信号分量丢失或出现孤立噪声问题,提出了一种自适应秩约束逆矩阵近似(adaptive rank constrained inverse ... 针对低秩约束和稀疏矩阵分解(constrained low-rank and sparse matrix decomposition, CLSMD)方法中硬阈值可能导致降噪后的语音信号分量丢失或出现孤立噪声问题,提出了一种自适应秩约束逆矩阵近似(adaptive rank constrained inverse matrix approximation, ARCIMA)分解方法。该方法首先采用能量阈值法初步估计低秩矩阵秩值,然后从语音信号子空间矩阵的结构特性出发,采用修正双边随机投影(modified bilateral random projections, MBRP)方法求解代表纯净语音信号的低秩矩阵,降低使用SVD方法的计算量,并通过Tikhonov正则化优化方法改善迭代求解过程中解的病态性。实验结果表明,该方法相比经典方法在多种噪声环境下取得了更好的PESQ得分,并且增强语音的时域波形也更接近原始信号的波形。该方法去噪性能在低信噪比噪声条件下具有优势。 展开更多
关键词 自适应秩约束逆矩阵近似 修正双边随机投影 语音增强
在线阅读 下载PDF
基于自适应交叉逼近技术的边界元法在3维静电场中的应用 被引量:2
2
作者 刘守豹 阮江军 +3 位作者 杜志叶 黄道春 张宇娇 王栋 《中国电机工程学报》 EI CSCD 北大核心 2011年第12期120-125,共6页
常规边界元法(boundary element method,BEM)因形成的方程矩阵稠密非对称而难以应用于大规模问题,BEM矩阵的存储限制了BEM的工程应用。该文介绍了递阶矩阵(hierarchical matrix,H-matrix)的基本概念,并引入了一种新颖的H-matrix压缩技术... 常规边界元法(boundary element method,BEM)因形成的方程矩阵稠密非对称而难以应用于大规模问题,BEM矩阵的存储限制了BEM的工程应用。该文介绍了递阶矩阵(hierarchical matrix,H-matrix)的基本概念,并引入了一种新颖的H-matrix压缩技术:自适应交叉逼近(adaptive cross approximation,ACA)。通过对普法BEM的节点根据拓扑结构重新分区和编号,可以将方程矩阵分解为若干具有递阶特性的子矩阵,应用自适应交叉逼近技术将这些子矩阵进行低秩分解可大大降低BEM矩阵对内存的消耗。为了对基于ACA技术的BEM内存消耗和有效性进行验证,建立了三维球形电极模型,通过与普通BEM比较,证实了该文方法可显著减小边界元法的内存使用,并验证了该方法的有效性。 展开更多
关键词 边界元法 递阶矩阵 低秩分解 自适应交差逼近
在线阅读 下载PDF
基于近似Hessian矩阵的修正网格自适应直接搜索算法 被引量:3
3
作者 刘梅 刘红卫 +2 位作者 杨善学 刘泽显 卢晓宁 《南京理工大学学报》 EI CAS CSCD 北大核心 2018年第2期189-194,共6页
针对网格自适应直接搜索算法寻优效率低和收敛速度慢的问题,提出了一种基于近似Hessian矩阵的修正网格自适应直接搜索算法。基于正交三角分解,提出一种产生探测方向集的算法,用于构建搜索步目标函数的二次模型函数和约束函数的线性模型... 针对网格自适应直接搜索算法寻优效率低和收敛速度慢的问题,提出了一种基于近似Hessian矩阵的修正网格自适应直接搜索算法。基于正交三角分解,提出一种产生探测方向集的算法,用于构建搜索步目标函数的二次模型函数和约束函数的线性模型函数。运用泰勒展开式、秩一校正及线性回归的思想,并改变部分参数解决子问题,得到局部最优解。在探测步中,以试验点为中心按照新的探测方向集进行局部搜索,在理论上证明了新算法的收敛性。通过对不同维数的测试函数分析可知,与原始的网格自适应直接搜索算法相比,该算法的迭代次数明显减少。 展开更多
关键词 约束优化 修正网格自适应直接搜索算法 近似Hessian矩阵 二次模型函数 正交三角分解
在线阅读 下载PDF
双对称矩阵的一类约束逆特征值问题及其逼近问题
4
作者 潘小平 胡锡炎 张磊 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2006年第1期127-130,共4页
根据双对称矩阵的性质,将双对称矩阵的一类约束逆特征值问题及其逼近问题分解成具有较小阶数的实对称矩阵的同类子问题,然后利用实对称矩阵的结果导出双对称矩阵的这两个问题的解.
关键词 双对称矩阵 约束逆特征值问题 逼近问题 FROBENIUS范数
在线阅读 下载PDF
自适应图正则化的低秩非负矩阵分解算法 被引量:2
5
作者 余沁茹 卢桂馥 李华 《智能系统学报》 CSCD 北大核心 2022年第2期325-332,共8页
图正则化(nonnegative matrix factorization,NMF)算法(graph regularization nonnegative matrix factorization,GNMF)仍存在一些不足之处:GNMF算法并没有考虑数据的低秩结构;在GNMF算法中,其拉普拉斯图是使用K近邻(K nearest neighbor... 图正则化(nonnegative matrix factorization,NMF)算法(graph regularization nonnegative matrix factorization,GNMF)仍存在一些不足之处:GNMF算法并没有考虑数据的低秩结构;在GNMF算法中,其拉普拉斯图是使用K近邻(K nearest neighbor,KNN)方法预先定义的,而KNN方法无法总是获得最优图解,从而使得GNMF算法的性能不能达到最优。为此,本文提出了一种自适应图正则化的非负矩阵分解算法(nonnegative low-rank matrix factorization with adaptive graph neighbors,NLMFAN)。一方面,通过引入低秩约束,使得NLMFAN可以获得原始数据集的有效低秩结构;另一方面,设计了一种通过自适应求解相似度矩阵的方法来进行图的构建,即图的构造和矩阵分解的结果被融入一个整体的框架中,使得图中节点的相似性是自动从数据中学习得到的。此外,本文还给出了一种求解NLMFAN的有效算法。在多种数据集上的实验验证了本文所提出的算法的有效性。 展开更多
关键词 聚类 特征提取 降维 流形学习 非负矩阵分解 低秩约束 图正则化 自适应聚类
在线阅读 下载PDF
混合秩矩阵分解模型
6
作者 李幸幸 刘华锋 景丽萍 《计算机科学与探索》 CSCD 北大核心 2019年第7期1114-1122,共9页
随着推荐系统的发展,矩阵近似算法成为研究热点,而以概率矩阵分解为代表的低秩矩阵近似模型因其具有较高的推荐精度而广受关注。但是,随着大数据时代的到来,评分矩阵越来越复杂,简单的单个矩阵近似模型会使一些隐藏在数据中的信息被忽... 随着推荐系统的发展,矩阵近似算法成为研究热点,而以概率矩阵分解为代表的低秩矩阵近似模型因其具有较高的推荐精度而广受关注。但是,随着大数据时代的到来,评分矩阵越来越复杂,简单的单个矩阵近似模型会使一些隐藏在数据中的信息被忽视。为了解决这个问题,提出了一种基于boosting框架的混合秩矩阵近似算法(mixture rank matrix factorization,MRMF)。该算法基于boosting框架融合多个不同秩矩阵获取丰富的评分信息。具体方法为首先从整体结构出发,获取矩阵的整体信息,然后基于boosting求偏差获得残差矩阵,抓取局部的相关性。同时为了更好地学习局部特征,引入服从拉普拉斯先验分布的样本权重,构建自适应权重的概率矩阵模型(adaptive weight matrix factorization,AWMF)。在获取残差矩阵之后,通过EM算法学习残差矩阵的权重,避免模型过拟合以及减少人工调差的复杂度。实验结果验证,所提出的算法在四个真实数据集(Ciao、Epinions、Douban、Movielens(10M))上均具有较好的推荐精度。 展开更多
关键词 矩阵近似 梯度提升 自适应秩 样本权重 推荐系统 权重矩阵分解
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部