造价通
更新时间:2024.11.23
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

格式:pdf

大小:304KB

页数:

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。

热门知识

伴随矩阵

精华知识

伴随矩阵

最新知识

伴随矩阵
点击加载更多>>
伴随矩阵相关专题

分类检索: