基于非线性迭代PLS的人脸识别算法

主成分分析(PCA)是一种无监督的线性降维方法,能有效地提取模式的类内特征,当样本之间出现高度相关性或多重相关性时,PCA提取的主成分解释能力不够。鉴于PCA的缺点,采用一种有监督的鉴别特征提取法——偏最小二乘(PLS),在保留输入变量的最大信息条件下,先在输入和输出变量组中建立模型,再用非线性迭代法提取类间特征,直至隐变量收敛。在ORL人脸库和Yale人脸库中实验结果表明,该算法具有有效性。     

基于增量式RBF网络的Q学习算法

为提升机器人的行为智能水平,提出一种基于增量式径向基函数网络(IRBFN)的Q学习(IRBFN-QL)算法.其核心是通过结构的自适应增长与参数的在线学习,实现对Q值函数的学习与存储,从而使机器人可以在未知环境中自主增量式地学习行为策略.首先,采用近似线性独立(ALD)准则在线增加网络节点,使机器人的记忆容量伴随状态空间的拓展自适应增长.同时,节点的增加意味着网络拓扑内部连接的改变.采用核递归最小二乘(KRLS)算法更新网络拓扑连接关系及参数,使机器人不断扩展与优化自身的行为策略.此外,为避免过拟合问题,将L2正则项融合到KRLS算法中,得到L2约束下的核递归最小二乘算法(L2KRLS).实验结果表明,IRBFN-QL算法能够实现机器人与未知环境的自主交互,并逐步提高移动机器人在走廊环境中的导航行为能力.     

非线性迭代PLS信息模式识别算法

对偏最小二乘(PLS)回归的基本方法进行了分析研究,提出了基于非线性迭代偏最小二乘(NIPLS)的信息模式识别算法。该算法实现了模式识别中特征提取与分类器设计的有机结合。NIPLS较Fisher判别分析、Bayes判别分析等经典的模式识别算法,具有更强的信息识别能力,且对数据本身的分布要求不高,尤其对于多重共线性资料或解释变量多而样本数量少时更为有效。将该算法应用于土地质量的分类识别,结果表明,该文所建立的算法是有效的、可靠的。     

基于边角插值法的图形渐变避免自交算法研究

提出了一种新的算法,该算法根据图形渐变序列中出现的局部自交点,先判断出这些点的位置并计算出自交区域所占整个图形面积的比例,根据设定的阈值,采用合理的微调整算法,在尽可能保持源图形形态的基础上,将自交点剔除,达到渐变序列中图形全部为简单多边形的目的。结果表明提出的算法能够很好地将图形渐变中的自交点剔除,实现比单独采用边角插值法更理想的图形渐变效果。     

一种基于增量式实例学习的迭代编译方法

为提高编译器的自适应性,以应对复杂的体系结构,提出一个结合迭代编译和机器学习的编译框架。编译器可将在优化空间中搜索到的最佳编译选项信息保存到知识库中,并能从知识库中学习获得适合当前程序的最佳编译选项。实例学习算法具有增量式的特点,可有效利用编译过程中积累的数据。通过避免冗余实例入库以及从库中剔除噪声实例,保证学习的精度与效率。     

基于最小二乘自适应迭代的宽带波束形成算法

大部分时域恒定束宽宽带波束形成算法的权值拟合运算量较大,导致实用性大大降低.本文给出一种基于最小二来自适应迭代的恒定束宽波束形成器设计方法,同时将RLS迭代算法应用于滤波器组设计中.本文方法易于实现,不受阵形及阵元指向性限制,不受迭代步长影响,且能快速收敛.理论推导及仿真实验验证了本文方法的有效性.     

NURBS曲线拟合的最小二乘渐进迭代逼近优化算法

为了使NURBS曲线更精确地拟合散乱数据点,提出了一种基于最小二乘渐进迭代逼近(least square progressive and iterative approximation,LSPIA)的NURBS曲线拟合优化算法.首先,确定一条初始NURBS曲线,利用LSPIA算法优化控制顶点;然后,分别优化数据点参数,拟合曲线的节点和权因子,每优化好一个变量,重新优化控制顶点;最后,经多次优化迭代得到高精度的NURBS拟合曲线.在优化每类变量时,为了避免被其他变量影响,保持其他变量不变.基于LSPIA的NURBS曲线拟合优化算法充分利用了LSPIA算法的优点,在迭代过程中,可以重复使用前一迭代步骤得到的控制顶点等数据,从而节省了运算时间.算法实例表明,该算法能获得一定保形效果.     

基于IRANSAC-IRLS直线拟合算法及应用

针对工业视觉检测中直线边缘存在沾连、毛刺等噪声,导致拟合效率不高、精度较差的问题,提出一种基于梯度方向改进的随机采样一致性（improved random sample consensus,IRANSAC）的迭代加权最小二乘（iterative reweighted least-squares,IRLS）直线拟合算法,即IRANSAC-IRLS算法。首先,利用直线上边缘点的梯度方向相近,将梯度方向引入边缘点RANSAC拟合,来降低错误的随机抽取的次数;然后,对IRANSAC提取出来的局内点进行迭代加权最小二乘拟合,求得最终的直线参数。在噪声点比例为20%、40%、60%、80%的条件下,将IRANSAC-IRLS与基于随机采样一致性算法的最小二乘（RANSAC-LS）拟合算法的仿真实验结果进行对比,IRANSAC-IRLS比RANSAC-LS的拟合效率分别提高16.3%、41.9%、47.5%、53.2%,拟合精度分别提升14.3%、16.7%、44.0%、69.0%。     

基于鲁棒迭代优化的图像拼接算法

针对保持直线边缘不畸变和改善拼接区域精度的需要,提出了一种基于鲁棒迭代优化的图像拼接算法。采用SIFT特征匹配算法提取不变特征,依据RANSAC鲁棒算法估计单应性矩阵获取精确内点匹配点对,参照内点匹配点对作为参数,利用最小二乘法重新估计单应性矩阵,最终通过鲁棒迭代优化重新计算更多内点直至内点收敛。实验结果表明,所提出的算法使得直线边缘维持直线化,同时拼接精度得到提高。     

基于球面参数化的点模型渐变

为了获得光滑自然的点模型渐变效果,基于球面参数化,提出了一种鲁棒的渐变算法。该算法首先对源和目标模型进行球面参数化,使得参数化后的模型嵌入到单位球面上;然后在球面上自适应地对齐模型间的相应特征点,并将球面映射到矩形参数域上,基于该域建立模型间各采样点的对应关系;接着在渐变过程中,采用拉普拉斯算子计算出中间点模型的几何位置,以保持模型的细节;最后利用移动最小二乘曲面进行动态上采样,以消除中间模型的裂缝。实验结果表明,该算法具有良好匹配的采样点对应和光滑的渐变过程。     

基于最小二乘增量迭代正则化方法的图像复原

针对模糊图像的复原问题,从最小二乘算法出发,采用增量迭代的方法改善算法的收敛性,同时结合正则化技术克服问题的病态性质,研究了一种有效的图像复原方法。在运算中,采用最速下降法求解方程,并运用快速傅立叶变换(FFT)原理来减少计算复杂度,同时引入自适应的正则化参数,使其与图像复原的迭代运算同步进行并自动修正到最优值。计算机仿真结果表明,该方法可较好地再现原图像的重要信息,复原图像在峰值信噪比和主观视觉效果方面都有明显的提高。     

Least-squares-based iterative identification algorithm for Hammerstein nonlinear systems with non-uniform sampling

This paper focuses on identification problems for Hammerstein systems with non-uniform sampling. By using the over-parameterization technique, we derive a linear regressive identification model with different input updating rates. To solve the identification problem of Hammerstein output error systems with the unmeasurable variables in the information vector, the least-squares-based iterative algorithm is presented by replacing the unmeasurable variables with their corresponding iterative estimates. The performances of the proposed algorithm are analysed and compared by using a numerical example.     

An iterative orthogonal forward regression algorithm

A novel iterative learning algorithm is proposed to improve the classic Orthogonal Forward Regression (OFR) algorithm in an attempt to produce an optimal solution under a purely OFR framework without using any other auxiliary algorithms. The new algorithm searches for the optimal solution on a global solution space while maintaining the advantage of simplicity and computational efficiency. Both a theoretical analysis and simulations demonstrate the validity of the new algorithm.     

Hierarchical Newton and least squares iterative estimation algorithm for dynamic systems by transfer functions based on the impulse responses

This paper develops a parameter estimation algorithm for linear continuous-time systems based on the hierarchical principle and the parameter decomposition strategy. Although the linear continuous-time system is a linear system, its output response is a highly nonlinear function with respect to the system parameters. In order to propose a direct estimation algorithm, a criterion function is constructed between the response output and the observation output by means of the discrete sampled data. Then a scheme by combining the Newton iteration and the least squares iteration is builded to minimise the criterion function and derive the parameter estimation algorithm. In light of the different features between the system parameters and the output function, two sub-algorithms are derived by using the parameter decomposition. In order to remove the associate terms between the two sub-algorithms, a Newton and least squares iterative algorithm is deduced to identify system parameters. Compared with the Newton iterative estimation algorithm without the parameter decomposition, the complexity of the hierarchical Newton and least squares iterative estimation algorithm is reduced because the dimension of the Hessian matrix is lessened after the parameter decomposition. The experimental results show that the proposed algorithm has good performance.     

An iterative algorithm for a least squares solution of a matrix equation

In this article, we propose an iterative algorithm to compute the minimum norm least-squares solution of AXB+CYD=E, based on a matrix form of the algorithm LSQR for solving the least squares problem. We then apply this algorithm to compute the minimum norm least-squares centrosymmetric solution of min _X ‖AXB?E‖ _F . Numerical results are provided to verify the efficiency of the proposed method.     

有理模型辨识的两类新方法——混合迭代与柔性最小二乘法

针对有理模型提出两类辨识方法.首先提出基于递阶辨识思想的混合辨识方法,将模型分解为分子和分母两个子模型,分别用最小二乘法辨识分子参数,用粒子群算法和智能多步长梯度迭代算法辨识分母参数.由于降低了模型维数,且信息向量与噪声不相关,相对于传统的偏差补偿最小二乘算法,混合迭代法可以提高辨识精度并降低计算量.然后,为消除模型结构已知的假设,且充分利用最新数据更新系统参数,提出柔性递推最小二乘辨识方法,将有理模型转化为时变参数系统,进而辨识出时变系统的参数.仿真例子验证了所提出方法的有效性.     

A semi-fragile watermarking algorithm for authenticating 2D CAD engineering graphics based on log-polar transformation

Copyright violation and illegal manipulation of digital data have been acute challenges for many sectors since the very same set of enabling techniques for generating and processing digital data started to emerge. Although traditional protective methods, such as encryption and digital signatures, have been in use for decades, their inability to provide protection after decryption and locating tampering has prompted the development of digital watermarking. In this paper, a semi-fragile watermarking algorithm for authenticating 2D CAD engineering graphics based on log-polar coordinate mapping is proposed. Firstly, the vertices are divided into groups, and for each group, the vertices for carrying a watermark are mapped to the log-polar coordinate system. Then the watermark is embedded in the mantissa of the real-valued log-polar coordinates via bit substitution. Theoretical analysis and experimental results show that the proposed algorithm is not only robust against incidental global operations such as rotation, translation and scaling, but can also detect and locate malicious attacks such as entity modification and entity addition/deletion.     

分段迭代匹配追踪图像重构算法

目的 压缩采样匹配追踪（CoSaMP）算法虽然引入回溯的思想,但其原子选择需要大量的观测值且在稀疏度估计不准确时,会降低信号重构精度,增加重构时间,降低重构效率。为提高CoSaMP算法的重构精度,改善算法的重构性能,提出了一种基于广义逆的分段迭代匹配追踪（StIMP）算法。方法 为保证迭代时挑选原子的精确性和快速性,对观测矩阵广义逆化,降低原子库中原子的相干性;原子更新结合正交匹配追踪（OMP）算法筛选原子的准确性与CoSaMP算法的回溯性,将迭代过程分为两个阶段：第1阶段利用OMP算法迭代K/2次;第2阶段以第1阶段OMP算法迭代所得的残差和原子为输入,并采用CoSaMP算法继续迭代,同时改变原子选择标准,从而精确快速地重构出稀疏信号。结果 对于1维的高斯随机信号,无论在不同的稀疏度还是观测值下,相比于OMP、CoSaMP、正则化正交匹配追踪（ROMP）算法和傅里叶类圆环压缩采样匹配追踪（FR-CoSaMP）算法,StIMP算法更加稳健,且具有更高重构成功率;对于2维图像信号,在各个采样率下,StIMP算法的峰值信噪比（PSNR）均高于其他重构算法,在采样率为0.7时,StIMP算法的平均PSNR值比OMP、CoSaMP、ROMP和FR-CoSaMP算法分别高2.14 dB、1.20 dB、3.67 dB和0.90 dB,平均重构时间也较OMP、CoSaMP和FR-CoSaMP算法短。结论 提出了一种改进的重构算法,对1维高斯随机信号和2维图像信号均有更好的重构效率和重构效果,与原算法和现有的主流图像重构方法相比,StIMP算法更具高效性和实用性。     

可控制形状的多边形变形算法

提出了一种可控制形状的多边形变形算法。该方法在源和目标多边形上指定对应的特征点,通过特征点的位置变化来带动整个多边形变化。得到的中间多边形在特征点约束下保持原内在量相对关系的最小变化,有效去除了多余的形变。通过试验表明,该算法产生的变形序列能很好地避免萎缩、自交等不自然现象,取得了良好的变形效果。