基于張量特征值分析的特征表示及典型應(yīng)用.pdf

1、張量特征分析主要有兩個研究方向：張量分解，張量特征值表示。張量是高維數(shù)據(jù)的自然表示，能夠保證數(shù)據(jù)的內(nèi)部結(jié)構(gòu)，在數(shù)據(jù)挖掘，特征提取方面有絕對的優(yōu)勢。圖像和視頻是最常見的高維數(shù)據(jù)，如何在圖像和視頻的領(lǐng)域中應(yīng)用張量特征分析方法是人們一直關(guān)注和廣泛研究的問題。本文主要完成了以下方面的工作：
　?。?）本文簡要介紹了張量特征分析方法的兩個主要方向，并詳細介紹了梯度偏度張量D特征值的概念以及張量的Tucker分解形式。
　?。?）由于圖

2、像在其邊緣處會有較大的梯度值變化。本文利用這種偏度信息，通過梯度偏度張量將水平，垂直方向的導(dǎo)數(shù)統(tǒng)一在梯度偏度張量這一物理量下。通過梯度偏度張量的 D特征值表示圖像的邊緣特征。通過仿真表明本文的方法能夠準(zhǔn)確的檢測出圖像的邊緣。
　?。?）類似于雷達一維距離像的概念，本文基于梯度偏度張量提出偏度一維像的概念。
　?。?）根據(jù)張量緊湊表示的概念，通過張量的Tucker分解，本文提出了張量多次Tucker-ALS算法，并將該算法具體

3、應(yīng)用到視頻數(shù)據(jù)壓縮中。在視頻壓縮算法的具體實現(xiàn)過程中本文做出了改進：對每次的分解結(jié)果進行了量化，并用量化后的數(shù)據(jù)恢復(fù)張量，進而形成差張量，再對差張量進行張量分解。通過這種方式可以極大降低因為量化誤差帶來的影響；根據(jù)視頻的內(nèi)容，對每一個測試序列進行分塊。讓數(shù)據(jù)冗余度低的分塊獲得更多的迭代次數(shù)，讓數(shù)據(jù)冗余度高的分塊減少迭代次數(shù)；針對于YUV視頻格式的特殊性，對YUV三個分量分別進行壓縮。充分利用U,V數(shù)據(jù)的高內(nèi)聚性，降低數(shù)據(jù)量。通過對9組測