改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法理论基础上提出一个改进的稀疏子空间聚类算法:迭代加权的稀疏子空间聚类。稀疏子空间聚类通过解决l1最小化算法并应用谱聚类把高维数据点聚类到不同的子空间,从而聚类数据。迭代加权的l1算法比传统的l1算法有更公平的惩罚值,平衡了数据数量级的影响。此算法应用到稀疏子空间聚类中,改进了传统稀疏子空间聚类对数据聚类的性能。仿真实验对Yale B人脸数据图像进行识别分类,得到了很好的聚类效果,证明了改进算法的优越性。     

基于稀疏子空间聚类的人脸识别方法

在现有的稀疏子空间聚类算法理论基础上给出两种稀疏子空间聚类优化算法:稀疏线性子空间聚类和稀疏仿射子空间聚类。这两种优化算法针对不同的数据集会有不同的聚类效果。通过稀疏表达得到不同的稀疏系数矩阵,把稀疏系数矩阵应用到较为简单的改进的正则化谱聚类算法中实现聚类。应用Yale B数据对人脸图像进行识别分类得出:采用稀疏线性子空间聚类算法优于稀疏仿射子空间聚类算法;在算法执行时间上和算法聚类错误率比传统的稀疏子空间聚类较为快速高效。     

基于降低运算复杂度的子空间跟踪算法稳健性分析

FDPM和FOOJA是目前两种最为有效的适用于主、次子空间跟踪的方法,属于低复杂度算法。进一步降低算法运算复杂度,对保证算法的实时性具有非常重要的意义。以降低算法运算复杂度为背景,通过对FDPM、FOOJA算法的分析,指出存在两种简化运算量的FDPM1stcol、FOOJA1stcol方法。在有限精度运算条件下,对四种方法的稳定性、数值鲁棒性进行了深入分析和讨论。通过实验仿真,对分析的结论进行了验证。     

在非高斯信道下多用户检测的鲁棒算法

在无线通信中应用多用户检测技术可以有效去除多路径干扰 (MAI)。实验证明 ,实际信道通常包含冲激噪声 ,从而是非高斯的。讨论了目前扩频通信 (DS SS)中应用于非高斯信道的自适应鲁棒的多用户检测技术 ,以前的研究大多存在两个缺点 :一是需要对非高斯信道的模型有一个先验估计 ;二是计算较基于高斯信道的算法复杂的多。本文从传统的特征空间的自适应跟踪技术PASTd[1] ,针对其误差模型对算法进行修改 ,提出了一种简易的鲁棒算法。经蒙特卡洛仿真证明 ,该方法在含冲激噪声信道中能显著提高信号子空间跟踪的精度     

低信噪比条件下改进ESPRIT方法

在低信噪比时,针对估计信源DOA实时性的问题,提出了一种新的适合于ESPRIT算法的多级维纳滤波器(MSWF)结构,找到了一种能判别信号子空间的方法。首先将多级维纳滤波器(MSWF)与ESPRIT算法相结合,采用多级维纳滤波器(MSWF)的前向递推,得到子空间,不需要通过特征值分解。低信噪比时,针对噪声子空间泄漏到信号子空间的现象,提出一种判别方法,找到了更精确的信号子空间,结合ESPRIT方法实现信号的DOA估计。由于该算法实现了真实的信号子空间的判断,因此,比传统基于MSWF算法具有更高地估计精度。特别是在低信噪比时,增强了算法的实用性,仿真结果证明了算法的有效性。     

控制性能评价与监控理论的研究进展

自Harris(1989)提出最小方差控制基准以来,控制性能评价与监控技术受到了极大的关注,并取得了大量的成果.学者们在最小方差基准的基础上提出了广义最小方差基准、用户定义基准、基于模型的基准等多种评价方法,并由最初的单输入单输出系统推广到了多输入多输出系统、时变系统等.仔细回顾了控制性能评价与监控理论的发展历程,并指出该领域面临的主要问题以及未来的发展方向.