一种快速的基于稀疏表示的人脸识别算法

基于稀疏表示的人脸识别算法（SRC）识别率相当高,但是当使用l1范数求最优的稀疏表示时,大大增加了算法的计算复杂度,矩阵随着维度的增加,计算时间呈几何级别上升,该文提出利用拉格朗日算法求解矩阵的逆的推导思路,用一种简化的伪逆求解方法来代替l1范数的计算,可将运算量较高的矩阵求逆运算转变为轻量级向量矩阵运算,基于AR人脸库的实验证明,维度高的时候识别率高达97%,同时,计算复杂度和开销比SRC算法大幅度降低95%。     

基于约束优化的Petri网可达性分析

Petri网的可达性判定问题是进行Petri网分析的基础。通过分析目前求解Petri网可达问题的判定方法和基于约束程序的Petri网可达问题判定方法,提出一种基于约束优化的Petri网可达问题判定方法,该方法是在状态方程法的基础上,利用约束程序寻求可行解,再利用优化求最优解,从而减少问题搜索的分支,达到减少状态方程的解空间的目的。最后通过实例的求解验证算法能够提高判定效率。     

结合置乱与扩频的数字水印算法

提出了一种使用置乱技术置乱水印图像，然后将Gold码用于水印结构设计的扩频数字水印算法。通过置乱技术提高了抽取数字水印的视觉效果，并可以在一定程度上弥补数字水印在嵌入、传输和抽取过程中的损耗。利用Gold码具有较多独立码的特性，以多位二进制信息为单位对置乱后的二值图像水印进行扩频调制，然后将调制信号自适应地加入到载体图像离散余弦变换域的低频分量系数中。应用Gold码使得算法可以采用较长的扩频序列，相应提高了鲁棒性。这种结合置乱和扩频的水印算法对于抵抗各种噪声、滤波和压缩等合法攻击以及其他非法攻击都具有很好的鲁棒性。     

采用牛顿插值的多项式因式分解算法的设计与实现

基于Kronecker所提供的一元多项式因式分解的构造算法、一元整系数多项式在整数环上因式分解理论,利用牛顿向前差分插值算法代替拉格朗日插值算法,把有理域上一元高次多项式因式分解化为在整数环上的因式分解,得到了整数环上的一元多项式因式分解的构造性算法,给出了具体实现过程。     

多核超图神经网络单细胞分类算法

单细胞RNA测序技术将大量基因表达谱测序出来，识别细胞类型或转录标记成为研究重点。基于聚类方法假定聚类中所有细胞属于同一类型，因此可进行集群标记，但这种假设通常是错误的，集群中除了主要细胞类型外，还包含少量占比的多种细胞类型，所以设计一种细胞类型分类器很有必要。基于此，提出一种基于特征选择的多核超图神经网络分类方法(HVG-MHGNN)。对单细胞数据进行预处理，选择高度变异基因(HVG);构造多种相似距离进行多核合并；构建超图学习模型；采用多类型scRNA-seq数据集验证该方法。实验结果表明，与主流分类方法scPred、原始超图HGNN和多核HVG-MHGNN对比，HVG-MHGNN在单细胞数据集上准确率及时间效率都有所提升。