基于广义轮换矩阵的伪随机广义二进制轮换矩阵设计
格式:pdf
大小:498KB
页数:
压缩感知中,测量矩阵在信号的获取和重构过程中起着重要的作用。传统的随机测量矩阵在采样率较高的情况下,能够获得比较好的重构效果,但在低采样率下的重构效果不够理想。确定性测量矩阵自身存在一些限制因素,与随机测量矩阵相比,重构效果有所降低。基于广义轮换矩阵(GR),提出了两种结构随机矩阵:广义二进制轮换矩阵(GBR)和伪随机广义二进制轮换矩阵(PGBR)。仿真结果表明,相对于传统的测量矩阵,新的测量矩阵在二维图像重建方面效果较好,所需重构时间相差不大,在较低的采样率下能够获得更加精确的重建。
基于随机矩阵变换的快速PCA算法
大小:304KB
主成分分析PCA(Principle Component Analysis)是一种重要的分析方法,广泛应用于图像检索、机器学习、模式识别等领域。随着近年来数据维数越来越大,算法的稳定性、时间复杂度和内存使用成了PCA进一步应用所必须要解决的问题。为此提出一种快速算法,该算法利用随机矩阵构造卷数据降维矩阵,在保持点与点之间"核距离"不变的情况下,将待分解矩阵变换成一个低维矩阵。在没有偏差的情况下,将对原始大矩阵的分解变成对这个低维矩阵的分解,大幅降低了时间复杂度,减少了对内存的使用,同时增加了算法的稳定性,从而在根本上解决了上述3个问题。
伴随矩阵知识来自于造价通云知平台上百万用户的经验与心得交流。 注册登录 造价通即可以了解到相关伴随矩阵最新的精华知识、热门知识、相关问答、行业资讯及精品资料下载。同时,造价通还为您提供材价查询、测算、询价、云造价等建设行业领域优质服务。手机版访问:伴随矩阵