Regularization Idea of Multi-scale Full Waveform Inversion and Multi-scale Decomposition of VelocityModel作者： 肖金梅[1]；曹静杰[1]；杨贺龙[1]作者机构： [1]河北地质大学河北省战略性关键矿产资源重点实验室，河北石家庄050031出版物刊名： 河北地质大学学报页码： 64-70页年卷...

§4、场的正则量子化场的量子化的形式与质点系相似。场函数及正则共轭场函数过渡至算符，不再描写体系的态，而物理的态则由空间的矢量描述。力学量随时间演化的方程中，以量子括号取代经典括号：（仍在海森堡绘景中讨论，算符随时间变，而态不变）：                       ...

【2021.03.07】看论⽂神器知云⽂献翻译、百度翻译API申请、机器学习术语库最近在看论⽂，因为论⽂都是全英⽂的，所以需要论⽂查看的软件，在macOS上到⼀款很好⽤的软件叫做知云⽂献翻译知云⽂献翻译界⾯长这样，可以长段翻译，总之很不错百度翻译API申请使⽤⾃⼰的api有两个好处：⼀、更加稳定⼆、可以⾃定义词库，我看的是医疗和机器学习相关的英⽂⽂献，可以⾃定义api申请在上⽅控制台、根据流程申...

正则化项鲁棒性专利名称：一种图正则的鲁棒性矩阵分解方法专利类型：发明专利发明人：云岳，张育培，代欢，崔嘉琪，安蕊，尚学申请号：CN202010481630.0申请日：20200601公开号：CN111667110A公开日：20200915专利内容由知识产权出版社提供摘要：本发明公开了一种图正则的鲁棒性矩阵分解方法，该方法首先根据课程和学生的相关背景信息，利用距离度量算法出每门课程最近邻的k门课...

Non-negative Matrix Factorization Based on L2 Sparseness Constraints and Graph Regularization 作者： 王美能[1]作者机构： [1]宜春学院数学与计算机科学学院，江西宜春336000出版物刊名： 宜春学院学报正则化算法调用页码： 28-30页年卷期： 2019年 第12期主题词： 非负矩阵分解；稀疏约束；...

相似与非相似正则化非负矩阵分解方法非负矩阵分解（NMF）是一种模式识别特征提取的新方法，它基于部分表示整体的方法。针对非相似正则化非负矩阵分解，其算法流程可以转化为一个具有界约束的非线性规划，并采用积极集的思想来约简问题规模。此外，使用投影牛顿法求解牛顿方程，并在内部迭代中使用截断共轭梯度法。正则化改进算法...

基于非局部低秩体张量分解能谱 CT的图像重建摘要：基于空间能谱体匹配框架SSCMF的CT图像重建方法具有其局限性。为保证充分利用图像的非局部相似性，通过张量分解探索能谱CT图像特征，采用非局部低秩体张量分解方法，利用张量分解挖掘出高低能量通道数据之间的相关性和互补性，据其构建三阶的低秩张量体，实现更加充分的编码非局部相似性，完成高质量的图像重建。通过数字仿真和能谱数据集的验证，结果表明非局部低秩体...

第33卷第3期2020年6月Vol.33No.3Jun.2020振动工程学报Journal of Vibration Engineering双约束非负矩阵分解的复合故障信号分离方法王华庆，王梦阳，宋浏阳，郝彦嵩，任帮月，董方(北京化工大学机电工程学院"北京100029)摘要：为了分离复合故障振动信号，提出了一种采用双约束非负矩阵分解算法的信号分离方法$首先对原始振动信号采用短时傅里叶变换，通过时频...

svd 矩阵的奇异值分解奇异值分解（Singular Value Decomposition，SVD）是一种重要的矩阵分解方法，可以将一个矩阵分解为三个矩阵的乘积，其中一个矩阵是正交矩阵，另外两个矩阵是对角矩阵。SVD在数据分析、图像处理、信号处理等领域有着广泛的应用。1. SVD的定义对于一个m\times n的实数矩阵A，它的奇异值分解是指将它分解为以下形式的乘积：A=U\Sigma V^T其...

matlab 范德蒙矩阵 x 的 qr 分解的三角因子Matlab范德蒙矩阵x的QR分解的三角因子引言：QR分解是一种常用的矩阵分解方法，能够将一个矩阵分解为一个正交矩阵和一个上三角矩阵的乘积。在Matlab中，我们可以使用qr函数来进行QR分解。在本文中，我们将讨论范德蒙矩阵x的QR分解，并探讨其三角因子的性质和应用。第一部分：QR分解的概述1.什么是QR分解？QR分解是将一个矩阵A分解为一个正...

正则化损伤识别matlab标题：深入探讨VMD变分模态分解在Matlab中的参数设置在现代科学技术领域中，信号处理一直是一个重要的研究领域。信号处理可以帮助人们更好地理解和分析数据，从而应用到不同的领域中，如医学影像、通信系统、天气预报等。VMD（变分模态分解）作为一种新兴的信号处理方法，近年来越来越受到研究者和工程师的关注。在VMD的实际应用过程中，对参数的合理设置能够对分解效果产生显著影响，因...

vmd分解matlab代码    要将MATLAB代码分解为VMD（Variational Mode Decomposition）代码，需要理解VMD算法的原理和MATLAB的编程语法。下面是一个基本的VMD算法的MATLAB代码示例：    matlab.    function [u, omega, alpha] = VMD(x, K...

正则化损伤识别matlabmatlab 核范数    Matlab核范数是一种用于处理矩阵的正则化方法。它可以帮助我们控制矩阵的条件数，并减少过拟合现象。核范数基于矩阵的奇异值分解，通过对矩阵进行低秩分解来实现正则化。在 Matlab 中，可以使用函数“nuclear_norm”来计算矩阵的核范数。这种正则化方法在机器学习、信号处理和图像处理领域广泛应用。它可以用于降维、特征提...

专利名称：一种基于正则化最小二乘回归学习的QRS波起点终点定位方法专利类型：发明专利发明人：朱玉奎，符灵建申请号：CN201610369281.7正则化坐标申请日：20160527公开号：CN106063704A公开日：20161102专利内容由知识产权出版社提供摘要：一种基于正则化最小二乘回归学习的QRS波起点终点定位方法，该方法是：基于函数在Hilbert空间中正交分解的思想结合正则化最小二乘...

第5期2021年5月机械设计与制造Machinery Design&Manufacture77非线性调频模式分解及在机械设备故障诊断中的应用林青云'，魏连友1，叶杰凯1，易灿灿2（1.丽水市特种设备检测院，浙江丽水323000；2.武汉科技大学，湖北武汉430081）摘要：由于机械设备传动系统中的关键零部件如轴承的振动信号具有典型非平稳的特征，将非线调频模式分解算法引入到机械设备故障诊断中...

一范式（1NF）：在关系模式R中的每一个具体关系r中，如果每个属性值 都是不可再分的最小数据单位，则称R是第一范式的关系。例：如职工号，姓名，电话号码组成一个表（一个人可能有一个办公室电话 和一个家里电话号码） 规范成为1NF有三种方法： 一是重复存储职工号和姓名。这样，关键字只能是电话号码。 二是职工号为关键字，电话号码分为单位电话和住宅电话两个属性 三是职工号为关键字，但强制每条记录只能有一个...

第一范式：  所有的属性都是不可分割的原子单位。第二范式：  如果关系模式R（U，F）中的所有非主属性都完全依赖于任意一个候选关键字，则称关系R 是属于第二范式。第三范式：第一范式正则化不能产生稀疏解  如果关系模式R（U，F）中的所有非主属性对任何候选关键字都不存在传递信赖，则称关系R是属于第三范式的BC范式：(BCNF)  如果关系模式R（U，F）的所有...

回归分析是统计学中一种重要的数据分析方法，它用于研究自变量和因变量之间的关系。而奇异值分解（Singular Value Decomposition, SVD）是一种矩阵分解的方法，可以帮助我们理解和处理数据中的信息。在回归分析中，奇异值分解可以被用来构建回归模型，从而提高模型的准确性和解释力。本文将探讨在回归分析中使用奇异值分解的一些技巧和方法。首先，我们需要了解奇异值分解在回归分析中的作用。奇...

POD在大跨度屋面结构风工程中的应用摘 要：本征正交分解法（pod）提供了一种空间—时间分离的分析，结构表面的风压随机场可以分解为依赖时间的主坐标和依赖空间的协方差矩阵本征模态的线性组合。pod的主要优点是仅用前几阶荷载模态即可较好地重建原始风场，因为这些荷载模态包含了结构绝大部分的脉动能量。本征正交分解法在很多领域得到广泛的应用。本文着重讨论pod在大跨度屋盖结构风工程领域中的应用。关键词：本征...

非负矩阵分解用于实现语音分离随着科技的不断发展，人们对于语音分离的需求也越来越大。语音分离可以将混合在一起的多个人说话的语音信号分离出来，使得每个人的语音信号可以被单独处理和识别。这在语音识别、音频编辑等领域具有广泛的应用前景。非负矩阵分解作为一种有效的语音分离方法，被越来越多地研究和应用。非负矩阵分解的原理非负矩阵分解是一种基于线性代数的数学方法。它的核心原理是将一个矩阵分解为两个非负矩阵的乘积...

线性代数基本定理线性代数是数学中的一个重要分支，研究向量空间、线性变换、矩阵和线性方程组等概念和性质。线性代数基本定理是线性代数中的核心定理，它揭示了矩阵的奇异值分解（SVD）和特征值分解（EVD）的重要性质。本文将介绍线性代数基本定理及其应用。一、奇异值分解奇异值分解是矩阵分析中最基本的分解之一，它将任意矩阵分解为三个矩阵的乘积：A=UΣV^T。其中，U和V是正交矩阵，Σ是一个对角矩阵，对角线上...

矩阵的解析矩阵分解是最近⼏年⽐较⽕的算法，经过kddcup和netflix⽐赛的多⼈多次检验，矩阵分解可以带来更好的结果，⽽且可以充分地考虑各种因素的影响，有⾮常好的扩展性，因为要考虑多种因素的综合作⽤，往往需要构造cost function 来将矩阵分解问题转化为优化问题，根据要考虑的因素为优化问题添加constraints，然后通过迭代的⽅法进⾏矩阵分解，原来评分矩阵中的missing vla...

QR分解从矩阵分解的⾓度来看，LU和Cholesky分解⽬标在于将矩阵转化为三⾓矩阵的乘积，所以在LAPACK种对应的名称是trf（Triangular Factorization）。QR分解的⽬的在于将矩阵转化成正交矩阵和上三⾓矩阵的乘积，对应的分解公式是A=Q*R。正交矩阵有很多良好的性质，⽐如矩阵的逆和矩阵的转置相同，任意⼀个向量和正交矩阵的乘积不改变向量的2范数等等。QR分解可以⽤于求解线...

高维数据降维中SVD与CUR分解对比分析曾琦;李国盛;郭云鹏;曾圆;张凤娟【摘 要】在大数据分析和处理中有许多常用的降维方法,在线性降维中典型的方法有SVD分解和CUR分解,但是对这两种方法的使用条件和实际效果研究甚少.基于此,通过对SVD与CUR分解原理和实验结果的探讨,分析了这两种降维方法的使用条件和实际效果.【期刊名称】《中原工学院学报》【年(卷),期】2014(025)006【总页数】5页...

(19)中华人民共和国国家知识产权局(12)发明专利说明书(10)申请公布号 CN 104978573 A(43)申请公布日 2015.10.14(21)申请号 CN201510391385.3(22)申请日 2015.07.06(71)申请人 河海大学    地址 211100 江苏省南京市江宁区佛城西路8号(72)发明人 高红民 李臣明 王艳 谢科伟 陈玲慧 史宇清 (74...

非负矩阵分解算法的发展与应用第一章：引言1.1 背景介绍：矩阵分解在数据分析领域得到广泛使用，非负矩阵分解是一种特殊的矩阵分解方法，其可以将原始矩阵分解为非负的低秩矩阵乘积，具有较好的可解释性和适用性。1.2 研究意义：非负矩阵分解在图像处理、文本挖掘、推荐系统等方面的应用都取得了显著的成果，因此有必要对其发展和应用进行深入研究。1.3 研究目的：本文旨在系统地介绍非负矩阵分解算法的发展与应用，为...

随机矩阵分解算法在知识问答中的应用效果评估随机矩阵分解算法（Random Matrix Factorization）是一种用于推荐系统和数据挖掘的机器学习算法。它通过将用户-项目矩阵分解为两个低秩矩阵的乘积来捕捉用户和项目之间的关系，并用于预测用户对未来项目的兴趣。近年来，随机矩阵分解算法在知识问答系统中的应用越来越受到关注。本文将评估随机矩阵分解算法在知识问答中的应用效果。一、引言知识问答系统是...

随机矩阵分解算法在特征提取中的应用效果评估随机矩阵分解算法是一种常用的机器学习算法，它在特征提取中有广泛的应用。本篇文章将对随机矩阵分解算法在特征提取中的应用效果进行评估。一、介绍随机矩阵分解算法是一种基于概率论和线性代数的算法，它通过将矩阵分解为两个低秩矩阵的乘积，从而实现对矩阵的降维和特征提取。该算法通过引入随机性，能够有效处理大规模高维特征数据，并在保持原始特征信息的同时，减少特征维度，提高...

随机矩阵奇异值分解算法在语义分析中的应用效果评估随机矩阵奇异值分解（randomized matrix singular value decomposition，简称RSVD）算法是一种用于数据降维和特征提取的方法，近年来在语义分析领域中得到了广泛的应用。本文将评估随机矩阵奇异值分解算法在语义分析中的应用效果，探讨其在准确性、效率性以及可扩展性等方面的优势。1. 算法原理与步骤随机矩阵奇异值分解算...

随机矩阵分解算法在机器学习中的应用优化与效果评估随机矩阵分解（Randomized Matrix Factorization）算法是一种常用于机器学习的优化算法，在推荐系统、图像处理、自然语言处理等领域都有广泛的应用。该算法通过将原始数据矩阵分解为两个低维矩阵的乘积，实现对数据的降维和特征提取，从而提高算法的效率和准确性。本文将对随机矩阵分解算法在机器学习中的应用进行优化与效果评估。一、随机矩阵分...