矩阵的奇异值分解及其应用

对认知无线电中宽带频谱感知的信号检测问题进行研究，在信道位置和带宽随机分布的条件下，提出一种基于Hankel矩阵奇异值分解的改进算法完成宽带频谱的频率点奇异性检测并获得各子频段的起始频率和带宽，有效实

C++奇异值分解可调用矩阵计算工具eigen，但运行速度太慢。调用matlab也有点繁琐。下载了svdcmp.c文件，调试运行通过代码。A=UKV',svdcmp.c计算的对焦矩阵K不是按从大到小排序

图像模式识别svd（奇异值分解）算法及图像相似度计算delphi源代码.

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。

为了有效地保护数字作品的版权，提出了一种以离散小波多级分解与奇异值分解相结合的数字水印新算法。该算法充分利用小波与奇异值的固有性质，对原始图像进行多级小波分解，并对部分子带作奇异值分解。将水印置乱来保

将基于凸优化的低秩矩阵恢复（LRMR）理论用于背景建模，当背景不稳定时，这种方法提取运动目标的效果不佳。由于矩阵的数据表示形式破坏了视频在时间和空间上的原始结构，采用张量表征视频的高维结构特性，提出了

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