奇异值分解( 英文文档)

奇异值分解在图像水印算法中有着广泛的应用,但是也存在高虚警率的缺陷。讨论分析了空域和变换域中经典的奇异值分解水印算法和最近报道的基于主成分的改进算法。通过实验验证了改进算法的有效性。

随着互联网的飞速发展，产生大量的图像信息。为了减小存储并提高图像质量，提出了一种基于奇异值分解和Contourlet变化结合的有损图像压缩算法。该算法先对图像进行奇异值分解，根据奇异值对图像信号的贡献

针对传统图像增强方法会丢失图像细节信息这一缺陷，提出了一种基于分频和奇异值分解的轮胎图像增强新方法。该方法先使用巴特沃斯低通滤波器对图像进行分频处理；然后对得到的低频和高频分量分别使用奇异值分解和线性

主成分分析（PCA）是降维的一种经典方法。二维主成分分析（2DPCA）在特征抽取之前不需要将图像矩阵转化为向量形式，所以能快速地提取特征。但是基于L2范数的PCA和2DPCA在遇到异常值时的表现不稳定

为了检测出钢轨断裂点的准确位置，首先基于传输线理论建立钢轨断裂时的机车分路电流幅值包络仿真模型，分析了钢轨断裂对分路电流幅值包络的影响，然后利用对分路电流幅值包络进行多分辨奇异值分解后细节信号的奇异性

为了有效地对图像缺失数据进行恢复,提出一种迭代张量高阶奇异值分解（HOSVD）图像缺失数据恢复方法。该方法首先利用拉格朗日乘子方法将张量核范数目标函数进行子问题分解操作,简化了求解过程,然后迭代地采用

模糊C均值算法在进行关键帧提取时难以取得全局最优值，导致所提取的关键帧无法完整地描述镜头信息。提出一种基于自分裂竞争学习（SSCL）的关键帧提取方法，根据SSCL的分裂机制确定全局最优类数目的特点来确

基于模极大值矩阵奇异值分解的信号特征提取与分类识别，很不错的资料，分享给大家

针对近红外光谱物质含量检测过程中噪声影响模型精度和稳定性的问题,引入广义S变换与奇异值分解(SVD)。利用广义S变换得到光谱数据的时频谱,并将二维时频谱系数矩阵作为SVD的Hankel矩阵求解奇异值,

分析基于奇异值分解(SVD)的匿名方法在加权社交网络隐私保护中的安全性,给出在含整数权重网络中的重构方法和在含任意权重网络中的非精确重构方法,定义