基于块奇异值分解的水印算法研究

奇异值分解是一种特殊的矩阵变换，并具有良好的性质。本文充分利用奇异值分解的特性，提出了一种新的基于块奇异值分解的量化水印算法和一种新的基于块奇异值分解的扩频水印算法。这两个算法都是通过对各个数据块的最大奇异值进行修改来嵌入水印，都可以根据待嵌入的水印信息量来调整分块的大小，算法的复杂度较低。其中的量化水印算法是含边信息的嵌入方法，可以实现盲检测。实验结果证明，基于块奇异值分解的水印算法对常规的图像处理攻击具有很好的鲁棒性，尤其是其中的量化水印算法。     

将Matlab引入矩阵奇异值分解教学的探究

矩阵的奇异值分解是高校《线性代数》教学中的重点难点内容。由于对其缺乏直观理解,学生很难理解奇异值分解背后的深层意义。本文探讨将奇异值分解与Matlab相结合进行教学的优越性,既增强了学生学习的积极性和主动性,又可以提高知识运用能力和动手能力。     

一种基于置乱和奇异值分解的鲁棒水印算法

本文针对数字水印的抗攻击性问题,提出了一种新的基于置乱和奇异值分解的算法.算法首先将水印和载体图像同时进行置乱加密,再将置乱后的图像进行分块,然后对每块进行量化奇异值分解,在特征域嵌入水印.将双置乱技术引入分块量化奇异值分解方法中,进一步提高了奇异值分解算法的鲁棒性.其中,采用分块和置化特征矩阵的方法不用计算整个图像的SVD,大大缩短了水印嵌入和提取的时间.     

位面切割在非负矩阵分解人脸识别方法中的应用

非负矩阵分解方法将人脸图像表示为基图像的线性组合,较好地提取了人脸的局部特征。应用非负矩阵分解和奇异值分解相结合的方法识别人脸,实验结果表明,这种方法并不能有效提高识别率。位面切割可有效降低人脸图像中的噪声信息,基于这一认识,笔者提取了将位面切割应用于人脸识别的方法,在ORL人脸库上的实验证明了这一方法的有效性。     

几种特殊矩阵谱的分解

本文从空间分解的角度给出了Hermite矩阵的谱分解式,并进一步研究了投影矩阵和正交投影矩阵一些性质及其谱分解形式.     

关于一类受控矩阵的构造

本文通过正交对角化和奇异值分解原理构造得到了具有受控形式"(X-A)D(X-A)'≤B"的未知矩阵的存在结构形式.     

基于奇异值分解和支持向量机的负荷预测新方法

负荷预测作为一个传统而又复杂的问题,已取得了一定的发展。本文从信号特征提取的角度出发,研究负荷预测新方法。首先,应用相重构将负荷序列重构为负荷特征矩阵;接着,通过奇异值分解提取负荷序列的轮廓部分和细节部分;最后,使用支持向量回归机分别预测负荷的轮廓部分和细节部分,进而得到所要预测的负荷。实例研究证明,本文方法的预测精度较高,具有一定的实用性。     

一类具有非线性互补多项式的奇异矩阵稳定性分析

一类具有非线性互补多项式的奇异矩阵是求解非线性动力学控制系统和模式状态监测的数学基础,分析具有非线性互补多项式的奇异矩阵稳定性,保障控制系统的稳定性。采用共轭梯度法进行奇异分解,提高对具有非线性互补多项式的奇异矩阵双正则函数的边值控制节点的约束能力,结合特征函数在渐进性条件下的Lyapunov-Krasovskii泛函,进行渐进稳定性证明,采用多目标优化局部搜索方法求解奇异矩阵的正则方程组,实现对非线性二阶模糊逻辑系统稳定性控制,求解奇异矩阵的解空间向量,分析其收敛性,根据共轭梯度边值加权优化理论,得到该类具有非线性互补多项式的奇异矩阵的SVD分解具有渐进稳定性的结论。     

基于离散小波变换和奇异值分解的盲水印算法

数字水印技术是解决多媒体数字产品版权保护与信息完整性的有效方法。提出了一种基于离散小波变换和奇异值分解的盲数字水印算法,算法利用小波变换和矩阵奇异值本身的特性,将Arnold变换后的水印信息量化地嵌入到原始图像小波低频子带分块奇异值分解后的向量中。实验表明,该算法具有较好的透明性和鲁棒性。     

基于小波包变换和奇异值分解的机加工表面纹理特征提取

机加工表面纹理特征在实际的研究和应用中具有重要意义,而当前基于小波变换的方法由于丢弃了隐藏丰富特征信息的高频部分,因此准确度不高。本文提出利用小波包变换和奇异值分解的方法来提取图像特征,实验证明,该方法具有较高的准确度和较强的适应性。     

基于DWT和SVD的水印盲提取

为进一步提高盲水印算法的抗攻击性,提出了基于离散小波变换和奇异值分解的盲水印算法。首先对原始图像进行分块处理,再对分块后的图像进行二维离散小波变换并对低频子带进行奇异值分解,将混沌加密后的水印信息自适应地嵌入到分块矩阵的最大奇异值中,平衡了水印的鲁棒性和不可见性,同时实现了水印的盲提取,实验结果表明该算法具有很好的不可见性,且能有效地抵御JPEG压缩、噪声、剪切等各种攻击。     

四元数分形奇异值分解方法与彩色图像重建

基于四元数矩阵彩色图像奇异值分解,得到表征彩色图像的不同分量的奇异值,运用分形快速确定图像的拐点。该方法具有快速和简单可行的优点。以受噪声污染图像为例,该方法针对彩色图像去噪具有较好的效果。     

行延拓矩阵的矩阵方程组的最佳逼近解

主要讨论行延拓矩阵的线性约束矩阵方程组的最佳逼近;介绍了延拓矩阵的概念;利用矩阵奇异值分解得到了行延拓矩阵的线性约束矩阵方程组有解的充要条件、通解表达式;最后讨论了相应问题的最佳逼近解的表达式。     

随机抽样在SVD求解中的应用

由于矩阵的奇异值具备的一些良好性质,它在许多领域得到了非常广泛的应用.但是由于传统的矩阵奇异值求解方法很难得到良好的结果,这就给奇异值的实际应用带来了不小的难度.本文采用抽样估计的方法估计大规模矩阵的奇异值,探索一种求解大矩阵奇异值的方法.     

彩色数字图像的版权保护

针对彩色数字图像的版权保护问题,提出了基于奇异值分解和离散的小波变换的彩色图像数字水印算法。算法将CIE-RGB色彩模式下的彩色图像转换到CIE-LAB色彩模式,然后将置乱后的水印嵌入到LAB色彩空间的L分量分块的小波分解低频系数的奇异值中。实验证明,该算法能够抵抗剪贴、拼贴、高斯噪声、JPEG压缩缩放、旋转等常用的图像处理的攻击,并且具有良好的不可见性和安全性。     

潜在语义分析的理论研究及应用

潜在语义分析（Iatent Semantic Analysis，简称LSA）通过奇异值分解（Singular Value Decomposition，简称SVD）分析文本集之间的关系．是产生关键词——语义之间映射规则的方法。而随后又出现的PLSA（Probabilistic Latent Semantic Analysis）时基于奇异值分解的LSA又进行统计学的极大似然估计重新解释。LSA最初应用在文本信息检索领域，随着应用领域的不断拓展．LSA在信息过滤、跨语言检索、认知科学和数据挖掘中的信息理解、判断和预测等众多领域中得到了广泛的应用。     

基于PCA算法人脸识别的matlab实现

本文介绍了人脸识别中常用的PCA算法,并在matlab环境下分别实现了基于PCA的人脸识别,融合了小波变换,PCA,奇异值分解等方法简化特征提取和识别过程,采用了ORL人脸数据库作为实验库,验证了该方法可以有效地进行识别,对实际应用有一定参考价值。     

四元数体上线性矩阵方程解的判定

本文基于奇异值分解,Kronecker积,拉直给出了四元数线性矩阵方程解的存在性定理,同时通过实例对其进行了说明。     

采用奇异值分解移动学习云计算静态重删系统

在云存储服务中,为使用户可以随时验证存储在云存储服务器上数据的完整性,需要对云计算数据进行移动学习,在移动学习过程中,产生大量的重复数据。需要设计云计算静态重删系统,对重复数据有效及时删除。传统方法采用虚拟化云平台分类层次重删模型,需要修改内核代码或者以模块的形式动态植入内核代码,重删效果不好。本文提出一种基于奇异值分解移动学习的云计算静态重删系统设计方案,进行云计算存储系统设计与重删数据特征分析,对云计算静态重复数据的尺度伸缩分解,把重复数据宽带互模糊度函数映射为一个检测统计量特征分解问题,构建一个参数未知多重假设检验,对云计算静态重复数据进行奇异值尺度伸缩分解,对分解后的奇异值特征进行状态空间重组和移动学习,得到重删系统模型改进。仿真结果表明,该算法对云计算静态重复数据检测性能较高,重删性能优越,抗干扰能力强,具有较好的应用前景。     

应用特征基函数法快速求解目标单站RCS

提出了一种快速求解目标单站RCS的有效算法。传统的矩量法在求解目标单站RCS时,对于每一个激励基函数与缩减矩阵均需要重新构造,计算十分耗时。因此,本文提出了一种基于奇异值分解的特征基函数法,该方法通过奇异值分解来减少基函数生成数目,且不会降低求解的精度,数值算例证明了方法的有效性。