检索结果-维普期刊中文期刊服务平台

基于GSVD的核不相关辨别子空间与雷达目标识别被引量：1: 1; 作者刘华林杨万麟《电子与信息学报》 EI CSCD 北大核心 2009年第5期1095-1098,共4页; 该文提出了一种基于广义奇异值分解的核不相关辨别子空间算法,并将其用于高分辨距离像雷达目标识别。新算法结合广义奇异值分解与核方法的优点,有效地解决了传统方法面临的矩阵奇异问题,同时进一步改善了目标的类可分性。其次,依据Fishe... 展开更多; 关键词雷达目标识别高分辨距离像核不相关辨别子空间广义奇异值分解; 在线阅读下载PDF 职称材料

基于KDA／GSVD和支持向量机的人耳识别: 2; 作者赵海龙穆志纯 +1 位作者张霞敦文杰《计算机科学》 CSCD 北大核心 2009年第2期257-260,共4页; 在高维、小样本的情况下使用Fisher线性鉴别分析的特征提取方法存在病态奇异问题,学者们提出了许多解决此问题的方法。针对小样本问题,并通过对现有人耳识别方法的研究,提出了一种利用KDA/GSVD算法对图像数据进行降维,运用SVM分类器对... 展开更多; 关键词人耳识别线性判别分析广义奇异值分解 KDA/gsvd 支持向量机; 在线阅读下载PDF 职称材料

基于协方差矩阵同时对角化的盲信号分离算法被引量：4: 3; 作者刘实王振力 +1 位作者张雄伟陶然《北京理工大学学报》 EI CAS CSCD 北大核心 2007年第10期919-923,共5页; 提出了基于自相关协方差矩阵同时对角化的两个盲源信号分离算法.利用广义奇异值分解(GSVD)算法,将源信号观测数据预白化后的零阶和一阶自相关协方差矩阵同时对角化,估算出两路源信号.与二阶盲识别(SO-BI)算法进行了比较,该算法具有计算... 展开更多; 关键词盲信号分离广义奇异值分解同时对角化协方差矩阵; 在线阅读下载PDF 职称材料

基于广义奇异值分解的通用旁瓣消除算法被引量：6: 4; 作者宋辉刘加《数据采集与处理》 CSCD 北大核心 2011年第3期241-246,共6页; 提出一种新的通用旁瓣消除器结构,它利用广义奇异值分解(Generalized singular value decomposition,GSVD)技术,通过广义奇异向量的变换间接估计声源到麦克风之间的传递函数。不同噪声环境下的实验结果表明,与现有的各种GSC算法相比,该... 展开更多; 关键词麦克风阵列语音增强噪声消除通用旁瓣消除广义奇异值分解; 在线阅读下载PDF 职称材料

脑机接口的广义核线性判别分析方法研究被引量：2: 5; 作者王金甲胡备《中国生物医学工程学报》 CAS CSCD 北大核心 2012年第1期75-82,共8页; 针对脑机接口中脑电信号处理,提出了一种基于核方法和广义奇异值分解(GSVD)的广义核线性判别分析(GKLDA)方法,对两类脑电信号进行特征提取。首先在非线性核函数映射的核空间对样本做线性判别分析,针对"小样本采样问题",采用G... 展开更多; 关键词核线性判别分析核函数广义奇异值分解脑机接口特征提取; 在线阅读下载PDF 职称材料

监督降维算法的计算和理论分析: 6; 作者赵武锋沈海斌严晓浪《浙江大学学报（理学版）》 CAS CSCD 北大核心 2009年第6期670-674,共5页; 在小样本条件下,由于离散矩阵的奇异性,作为监督降维的传统线性鉴别分析(LDA)并不能直接计算.许多扩展算法被提出以克服此问题,一般可分为3类:基于类内离散矩阵零空间的方法、基于总体离散矩阵列空间的方法和基于其它子空间的方法.为了... 展开更多; 关键词广义奇异值分解降维线性鉴别分析零空间小样本; 在线阅读下载PDF 职称材料

矩阵广义奇异值分解的一个新证法及推论: 7; 作者孟纯军胡锡炎《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2007年第5期87-89,共3页; 从矩阵对的CS分解理论出发,给出了广义奇异值分解的一个新的证明.给出了关于矩阵对广义奇异值的三个有用的推论.最后给出了计算矩阵对的广义奇异值分解的一个算法.数值实例说明算法是可行且有效的.; 关键词广义奇异值分解(gsvd) CS分解算法; 在线阅读下载PDF 职称材料

题名基于GSVD的核不相关辨别子空间与雷达目标识别被引量：1: 1; 作者刘华林杨万麟; 机构电子科技大学电子工程学院中国兵器装备集团火控技术中心; 出处《电子与信息学报》 EI CSCD 北大核心 2009年第5期1095-1098,共4页; 基金国家自然科学基金(60372022) 新世纪优秀人才支持计划(NCET-05-0806)资助课题; 文摘该文提出了一种基于广义奇异值分解的核不相关辨别子空间算法,并将其用于高分辨距离像雷达目标识别。新算法结合广义奇异值分解与核方法的优点,有效地解决了传统方法面临的矩阵奇异问题,同时进一步改善了目标的类可分性。其次,依据Fisher准则导出了距离像总散度矩阵零空间中不含有有用辨别信息的结论。利用这一结论,可以在求解核不相关最优辨别矢量之前对各散度矩阵进行预降维,以减小后续运算的计算复杂度。对3类飞机目标实测数据的识别结果表明了所提方法的有效性。; 关键词雷达目标识别高分辨距离像核不相关辨别子空间广义奇异值分解; Keywords Radar target recognition High Resolution Range Profile （HRRP） Kernel Uncorrelated Discriminant Subspace （KUDS） generalized Singular Value decomposition （gsvd）; 分类号 TN957.54 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于KDA／GSVD和支持向量机的人耳识别: 2; 作者赵海龙穆志纯张霞敦文杰; 机构北京科技大学信息工程学院河北经贸大学计算机中心; 出处《计算机科学》 CSCD 北大核心 2009年第2期257-260,共4页; 基金国家自然科学基金(基于人耳人脸信息融合的多模态生物特征识别技术,60573058) 国家自然科学基金(人耳识别技术研究,60375002)资助; 文摘在高维、小样本的情况下使用Fisher线性鉴别分析的特征提取方法存在病态奇异问题,学者们提出了许多解决此问题的方法。针对小样本问题,并通过对现有人耳识别方法的研究,提出了一种利用KDA/GSVD算法对图像数据进行降维,运用SVM分类器对样本进行判别的人耳识别方法。此外,还对线性判别分析、广义奇异值分解和支持向量机的基本理论等内容做了简要介绍。实验证明,KDA/GSVD很好地解决了由于小样本的问题而导致的LDA算法中类内离散度矩阵不可求逆的问题,把它与支持向量机有机地结合起来,构成了一种有效的人耳识别新方法。; 关键词人耳识别线性判别分析广义奇异值分解 KDA/gsvd 支持向量机; Keywords Ear recognition, Linear discriminant analysis, generalized singular value decomposition, KDA/gsvd, Support vector machines; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于协方差矩阵同时对角化的盲信号分离算法被引量：4: 3; 作者刘实王振力张雄伟陶然; 机构北京理工大学信息科学技术学院电子工程系解放军理工大学通信工程学院电子信息工程系; 出处《北京理工大学学报》 EI CAS CSCD 北大核心 2007年第10期919-923,共5页; 文摘提出了基于自相关协方差矩阵同时对角化的两个盲源信号分离算法.利用广义奇异值分解(GSVD)算法,将源信号观测数据预白化后的零阶和一阶自相关协方差矩阵同时对角化,估算出两路源信号.与二阶盲识别(SO-BI)算法进行了比较,该算法具有计算简单且运算精度高的优点.在线性混合加噪模型下,计算机仿真表明该算法的有效性.; 关键词盲信号分离广义奇异值分解同时对角化协方差矩阵; Keywords blind source separation （ BSS ） generalized singular value decomposition （ gsvd ） simultaneous diagonalization covariance matrix; 分类号 TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于广义奇异值分解的通用旁瓣消除算法被引量：6: 4; 作者宋辉刘加; 机构清华大学电子工程系; 出处《数据采集与处理》 CSCD 北大核心 2011年第3期241-246,共6页; 基金国家自然科学基金委员会与微软亚洲研究院联合基金(60776800)资助项目国家高技术研究发展计划("八六三"计划)(2006AA010101 +1 种基金 2008AA040201)资助项目国家自然科学基金委员会与香港研究资助局联合科研基金(60931160443)资助项目; 文摘提出一种新的通用旁瓣消除器结构,它利用广义奇异值分解(Generalized singular value decomposition,GSVD)技术,通过广义奇异向量的变换间接估计声源到麦克风之间的传递函数。不同噪声环境下的实验结果表明,与现有的各种GSC算法相比,该算法能够更有效地抑制混响和噪声,并且增强后的语音失真最小。; 关键词麦克风阵列语音增强噪声消除通用旁瓣消除广义奇异值分解; Keywords microphone array speech enhancement noise reduction generalized sidelobe canceller generalized singular value decomposition（gsvd）; 分类号 TN912 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名脑机接口的广义核线性判别分析方法研究被引量：2: 5; 作者王金甲胡备; 机构燕山大学信息科学与工程学院; 出处《中国生物医学工程学报》 CAS CSCD 北大核心 2012年第1期75-82,共8页; 基金国家自然科学基金(60504035 61074195) +1 种基金河北自然科学基金(F2010001281 A2010001124); 文摘针对脑机接口中脑电信号处理,提出了一种基于核方法和广义奇异值分解(GSVD)的广义核线性判别分析(GKLDA)方法,对两类脑电信号进行特征提取。首先在非线性核函数映射的核空间对样本做线性判别分析,针对"小样本采样问题",采用GSVD求解一种非线性空域滤波器。算法验证中,采用BCI竞赛一数据集、竞赛二数据集Ⅳ和竞赛三数据集ⅢB中S4b等3组公开数据,以及一组自行采集的想象左右手运动的数据,同时分别与核共空间模式(KCSP)、核线性判别分析(KDA)、广义判别分析(GDA)进行对比。分类器采用Fisher线性判别分析分类器。所提出的方法针对3组公开数据,正确率分别为93%、77%、80%,自行数据正确率为97%,且优于其他几种核方法。实验结果表明,GKLDA方法是脑机接口中一种新的有效的特征提取方法。; 关键词核线性判别分析核函数广义奇异值分解脑机接口特征提取; Keywords kernel linear discriminant analysis kernel method generalized singular value decomposition（gsvd） brain computer interface feature extraction; 分类号 R318.08 [医药卫生—生物医学工程]; 在线阅读下载PDF 职称材料

题名监督降维算法的计算和理论分析: 6; 作者赵武锋沈海斌严晓浪; 机构浙江大学超大规模集成电路设计研究所浙江大学信息科学与工程学院; 出处《浙江大学学报（理学版）》 CAS CSCD 北大核心 2009年第6期670-674,共5页; 文摘在小样本条件下,由于离散矩阵的奇异性,作为监督降维的传统线性鉴别分析(LDA)并不能直接计算.许多扩展算法被提出以克服此问题,一般可分为3类:基于类内离散矩阵零空间的方法、基于总体离散矩阵列空间的方法和基于其它子空间的方法.为了深入了解前2类算法的特性,作了计算和理论分析,并得出结论:在满足一定条件下(小样本高维数据一般都满足),基于类内离散矩阵零空间和基于总体离散矩阵列空间的方法具有等价关系,仅最优矢量集的约束条件和实现途径有所区别.在人脸数据库ORL和YALE上的比较实验结果亦证实了上述结论.; 关键词广义奇异值分解降维线性鉴别分析零空间小样本; Keywords generalized singular value decomposition （gsvd） dimensionality reduction linear discriminant analysis null space small sample size; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名矩阵广义奇异值分解的一个新证法及推论: 7; 作者孟纯军胡锡炎; 机构湖南大学数学与计量经济学院; 出处《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2007年第5期87-89,共3页; 基金国家自然科学基金资助项目(10571047) 博士后基金资助项目(20060390888); 文摘从矩阵对的CS分解理论出发,给出了广义奇异值分解的一个新的证明.给出了关于矩阵对广义奇异值的三个有用的推论.最后给出了计算矩阵对的广义奇异值分解的一个算法.数值实例说明算法是可行且有效的.; 关键词广义奇异值分解(gsvd) CS分解算法; Keywords generalized singular-value decomposition（gsvd） CS decomposition algorithm; 分类号 O241.6 [理学—计算数学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于GSVD的核不相关辨别子空间与雷达目标识别	刘华林杨万麟	《电子与信息学报》 EI CSCD 北大核心	2009	1	在线阅读下载PDF 职称材料
2	基于KDA／GSVD和支持向量机的人耳识别	赵海龙穆志纯张霞敦文杰	《计算机科学》 CSCD 北大核心	2009	0	在线阅读下载PDF 职称材料
3	基于协方差矩阵同时对角化的盲信号分离算法	刘实王振力张雄伟陶然	《北京理工大学学报》 EI CAS CSCD 北大核心	2007	4	在线阅读下载PDF 职称材料
4	基于广义奇异值分解的通用旁瓣消除算法	宋辉刘加	《数据采集与处理》 CSCD 北大核心	2011	6	在线阅读下载PDF 职称材料
5	脑机接口的广义核线性判别分析方法研究	王金甲胡备	《中国生物医学工程学报》 CAS CSCD 北大核心	2012	2	在线阅读下载PDF 职称材料
6	监督降维算法的计算和理论分析	赵武锋沈海斌严晓浪	《浙江大学学报（理学版）》 CAS CSCD 北大核心	2009	0	在线阅读下载PDF 职称材料
7	矩阵广义奇异值分解的一个新证法及推论	孟纯军胡锡炎	《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心	2007	0	在线阅读下载PDF 职称材料