导读:本文包含了核子空间论文开题报告文献综述及选题提纲参考文献，主要关键词:云数据,隐私保护,子空间投影,核广义特征值分解
核子空间论文文献综述
江芝蒙,侯翔,李杰[1]（2019）在《核子空间投影和广义特征值分解的云数据隐私保护》一文中研究指出云数据及大量网络数据需要在保护用户隐私的前提下进行统计和分析,对此提出核子空间投影和广义特征值分解的云数据隐私保护算法。将云数据进行数学化建模,该算法将隐私保护作为数据转换问题进行处理,转换问题分为隐私不敏感任务和隐私敏感任务两类。该算法形成类间散布矩阵,寻找子空间维度来解决特征值分解问题,并对广义特征值排序,得到广义特征向量对应的最大广义特征值;对云数据进行转换,实现数据隐私保护。实验结果表明,该方法能够实现用户隐私保护,并且核广义特征值分解算法优于子空间隐私保护算法,且两种隐私保护算法都优于其他隐私保护方法。(本文来源于《计算机应用与软件》期刊2019年04期）
潘禹岐[2]（2017）在《基于核子空间低秩表示的人脸识别算法研究》一文中研究指出随着人类社会在上个世纪大步迈入数字化时代,以人脸识别为代表的模式识别(PR)、机器学习(ML)等学科获得了科研学者的广泛关注,展现出了前所未有的巨大价值。在众多新兴的人脸识别算法中,以稀疏(sparsity)和低秩(low-rank)学习为代表的重构性人脸识别算法,凭借其较为优良的性能和对外界噪声较强的鲁棒性获得了科研学者的追捧。本论文聚焦于提升低秩表示算法的局部和全局特征学习和融合的能力,同时为线性的低秩表示算法提供更强的非线性特征学习能力,尤其为隐含于人脸中的局部流型特征信息。首先,论文第一章对人脸识别技术的研究背景、意义及国内外研究现状进行了简单的介绍,接着介绍了现阶段人脸识别研究中面临的问题与挑战,随后简述了本文的内容安排。随后,论文第二章提出一种基于核局部保持低秩表示的人脸识别算法。该方法可以视为是低秩表示的非线性拓展版本,同时在Tikhonov正则化约束的帮助下将人脸样本中的局部流型结构信息引入到低秩表示算法中,用以提高低秩表示算法的全局和局部特征信息融合。接着,论文第叁章提出一种基于双张量核字典学习的低秩表示人脸识别算法。该算法是针对重构性人脸识别算法中,张量理论尚未被引入,存在着较大的技术空白而提出的。该方法通过引入张量核对人脸图像中隐含的高判别性特征信息进行学习和重构,同时,为了提高算法的统一性,本章中提出了基于双张量核的局部保持投影算法,与提出的算法进行无缝对接。接下来,论文第四章提出一种基于核技术低秩融合字典学习的人脸识别算法。鉴于字典学习的分类能力是基于原数据空间中的数据全局和局部结构和特征,本章中提出的创新性方法可以在训练样本集中获得一个具有高判别性的字典用于低秩表示算法发挥其寻找样本空间中的最低秩解,提升算法的人脸识别率。第五章对本论文所提出的算法和所研究的问题进行了总结和展望。(本文来源于《山东大学》期刊2017-05-30）
吴松松,许明微,荆晓远[3]（2015）在《基于核子空间对齐的非监督领域自适应》一文中研究指出在模式识别算法中通常假设训练样本和测试样本服从同一分布。然而,当这种假设无效时,分类准确率会显着下降。领域自适应试图通过矫正源域分布和目标域分布的不匹配来解决分类准确率下降的问题。文中提出了核子空间对齐的非监督领域自适应方法(KSA),其基本思想是首先对源域和目标域分别提取非线性特征,然后对齐提取的两个特征坐标系,使得在发生域迁移时源域和目标域的特征保持不变。视觉分类任务上的实验结果表明,KSA优于目前有竞争力的非监督域自适应方法。(本文来源于《南京邮电大学学报(自然科学版)》期刊2015年06期）
王坚,张媛媛,柴艳妹[4]（2015）在《基于神经网络的快速核子空间人脸识别算法研究》一文中研究指出针对现有核子空间人脸识别算法计算量大且速度缓慢的现状,提出了一种基于神经网络的快速核子空间人脸识别算法模型,利用神经网络的隐含层神经元将核特征子空间的基表示进行约减,从而大幅提高了识别速度。进而基于KPCA和KFDA两种核子空间人脸识别算法,建立了神经网络逼近模型,并基于ORL、UMIST和YALE 3种人脸数据库进行了实证分析。实验结果表明,当隐含层神经元个数设置为训练样本总数一半或更少时,基于神经网络的快速核子空间算法能够取得相近甚至相当于核子空间算法的识别率。从而在满足一定识别正确率的条件下,能将识别时间缩短到50%甚至更低。(本文来源于《计算机科学》期刊2015年S2期）
宣士斌[5]（2012）在《加权核子空间特征提取权重学习方法》一文中研究指出特征抽取是模式识别中的一项重要工作,其中特征抽取的子空间方法一直受到研究者的关注,特别是近些年来研究人员提出各种加权子空间方法,但这些权重都是人为设定.为此,提出一种权重自动学习算法,该算法以缩小学习样本到其所属类原型的距离同时增大学习样本到其它类原型的距离为学习目标,在两个方向上调整权值,保证了算法收敛.同时,针对主成分分析及线性判别分析的变形最大边缘准则,重新定义了它们对应的带权协方差矩阵和带权散布矩阵,该定义充分表达了权重的本质含义.在3个公开人脸数据库上的实验室结果显示提出的算法有更好的识别率与更高的稳定性.(本文来源于《南京大学学报(自然科学版)》期刊2012年01期）
左可正,谢涛[6]（2011）在《k个矩阵的核子空间的和的维数》一文中研究指出利用齐次线性方程组的解的表达式及分块矩阵的一个秩等式,得出了k个矩阵的核子空间的和的维数的一个公式,它推广了维数公式.并给出了这个公式的几个应用.(本文来源于《大学数学》期刊2011年04期）
左可正[7]（2008）在《矩阵多项式的交与和的像空间及核子空间》一文中研究指出给出了同一个矩阵A的若干个多项式的像空间及核子空间的和与交的结构,得出了以下的结果:1)R(f1(A))∩R(f2(A))∩…∩R(fk(A))=R([f1(A),f2(A),…,fk(A)]);2)R(f1(A))+R(f2(A))+…+R(fk(A))=R((f1(A),f2(A),…,fk(A)));3)N(f1(A))∩N(f2(A))∩…∩N(fk(A))=N((f1(A),f2(A),…,fk(A)));4)N(f1(A))+N(f2(A))+…+N(fk(A))=N([f1(A),f2(A),…,fk(A)]).它们推广了蒋永泉、胡付高等的结果.(本文来源于《徐州师范大学学报(自然科学版)》期刊2008年01期）
周晓飞,姜文瀚,杨静宇[8]（2007）在《核子空间样本选择方法的核最近邻凸包分类器》一文中研究指出为了保证核最近邻凸包分类器有效地处理大训练集的应用问题,提出一种核子空间样本选择方法与该分类器相结合。核子空间样本选择方法是一个类内迭代算法,该算法在核空间里每次迭代选择一个距离选择集样本张成子空间最远的样本。在MIT-CBCL人脸识别数据库的training-synthetic子库上的实验中,该方法不但可以取得100%的识别率,而且与未经选样的核最近邻凸包分类器相比,其执行速度要快许多。(本文来源于《计算机工程与应用》期刊2007年32期）
张战军,刘庸,桑建平[9]（1996）在《截断的壳模型核子对态空间中的基本矩阵元》一文中研究指出提出了一种在截断的壳模型态空间中计算基本矩阵元的方法．基矢是由核子对构成的，这些核子对可分布在多个非简并轨道上．考虑了角动量耦合为Ｊ＝０＋和２＋的能量最低的核子对的情况(本文来源于《华中师范大学学报(自然科学版)》期刊1996年04期）
陈健华,况蕙孙[10]（1996）在《核子因子化亲态比系数在中子－质子耦合空间的计算》一文中研究指出提出在中子－质子角动量耦合空间，通过群链间二次幺正变换，构造核子同位旋－角动量耦合波函数，并由此计算因子化的亲态比系数（ＣＦＰ）．用该方法完成了ｊ９／２的因子化ＣＦＰ全部计算，在４８６ＤＸ２微机上，ｊ＝７／２用１５ｓ，ｊ＝９／２用１２ｍｉｎ，表明该方法比已有方法高效(本文来源于《中山大学学报论丛》期刊1996年05期）
核子空间论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着人类社会在上个世纪大步迈入数字化时代,以人脸识别为代表的模式识别(PR)、机器学习(ML)等学科获得了科研学者的广泛关注,展现出了前所未有的巨大价值。在众多新兴的人脸识别算法中,以稀疏(sparsity)和低秩(low-rank)学习为代表的重构性人脸识别算法,凭借其较为优良的性能和对外界噪声较强的鲁棒性获得了科研学者的追捧。本论文聚焦于提升低秩表示算法的局部和全局特征学习和融合的能力,同时为线性的低秩表示算法提供更强的非线性特征学习能力,尤其为隐含于人脸中的局部流型特征信息。首先,论文第一章对人脸识别技术的研究背景、意义及国内外研究现状进行了简单的介绍,接着介绍了现阶段人脸识别研究中面临的问题与挑战,随后简述了本文的内容安排。随后,论文第二章提出一种基于核局部保持低秩表示的人脸识别算法。该方法可以视为是低秩表示的非线性拓展版本,同时在Tikhonov正则化约束的帮助下将人脸样本中的局部流型结构信息引入到低秩表示算法中,用以提高低秩表示算法的全局和局部特征信息融合。接着,论文第叁章提出一种基于双张量核字典学习的低秩表示人脸识别算法。该算法是针对重构性人脸识别算法中,张量理论尚未被引入,存在着较大的技术空白而提出的。该方法通过引入张量核对人脸图像中隐含的高判别性特征信息进行学习和重构,同时,为了提高算法的统一性,本章中提出了基于双张量核的局部保持投影算法,与提出的算法进行无缝对接。接下来,论文第四章提出一种基于核技术低秩融合字典学习的人脸识别算法。鉴于字典学习的分类能力是基于原数据空间中的数据全局和局部结构和特征,本章中提出的创新性方法可以在训练样本集中获得一个具有高判别性的字典用于低秩表示算法发挥其寻找样本空间中的最低秩解,提升算法的人脸识别率。第五章对本论文所提出的算法和所研究的问题进行了总结和展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
核子空间论文参考文献
[1].江芝蒙,侯翔,李杰.核子空间投影和广义特征值分解的云数据隐私保护[J].计算机应用与软件.2019
[2].潘禹岐.基于核子空间低秩表示的人脸识别算法研究[D].山东大学.2017
[3].吴松松,许明微,荆晓远.基于核子空间对齐的非监督领域自适应[J].南京邮电大学学报(自然科学版).2015
[4].王坚,张媛媛,柴艳妹.基于神经网络的快速核子空间人脸识别算法研究[J].计算机科学.2015
[5].宣士斌.加权核子空间特征提取权重学习方法[J].南京大学学报(自然科学版).2012
[6].左可正,谢涛.k个矩阵的核子空间的和的维数[J].大学数学.2011
[7].左可正.矩阵多项式的交与和的像空间及核子空间[J].徐州师范大学学报(自然科学版).2008
[8].周晓飞,姜文瀚,杨静宇.核子空间样本选择方法的核最近邻凸包分类器[J].计算机工程与应用.2007
[9].张战军,刘庸,桑建平.截断的壳模型核子对态空间中的基本矩阵元[J].华中师范大学学报(自然科学版).1996
[10].陈健华,况蕙孙.核子因子化亲态比系数在中子－质子耦合空间的计算[J].中山大学学报论丛.1996