图像模式识别svd（奇异值分解）算法及图像相似度计算delphi源代码.

为了提高水印技术的鲁棒性，提出了彩色图像离散小波变换（DWT）下的块奇异值分解（SVD）的零水印．首先对原始载体图像进行离散小波变换，然后选择低频子带进行分块，且对每一块进行奇异值分解，水印则由分解得到的最大前m个奇异值产生．实验结果表明，算法对各种攻击有较强的鲁棒性．

该程序输出基于奇异值分解的图形和数字图像质量度量。 对于给定的图像，采用 Blockwise SVD 并导出图像质量度量。 具体实施方式请参考Aleksandr Shnayderman、Alexander Gusev 和 Ahmet M. Eskicioglu， “用于局部和全局评估的基于 SVD 的灰度图像质量度量”， IEEE 图像处理交易，卷。 15，没有。 2，2006 年 2 月。 Matlab 编程新手可以查看“SampleUsage.m”文件，了解脚本“SVDQualityMeasure.m”的使用方法。 已经熟悉Matlab编程的可以直接使用脚本“SVDQualityMeasure.m”。

基于数字图像的奇异值分解扣Arnold置换，提出了一种图像的隐藏方法。在该方法中，置乱用于数字图像隐藏的预处理和后处理，奇异值分解用于将一幅图像隐藏于另一幅图像中。根据提出的数字图像隐藏技术，探讨了在数字水印技术中的应用。实验结果显示，该方法实现方便，水印的提取不需要原图像，并能较好地保障数据的安全性。

一种快速稳定的奇异值分解算法

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

自己写的代码，不存在版权问题。近段时间在学机器学习，找了大量的资料，写出了一些与机器学习相关的常用矩阵的操作，含QR分解，相似对角化，提取特征值，奇异值分解，HouseHolder变换，施密特正交化等等，有注释，如果有问题可以私信本人，一起探讨。

提出一种可处理输入变量相关性的随机潮流方法。该方法基于Nataf变换和准蒙特卡洛模拟，使用奇异值分解处理对称非正定的相关系数矩阵。对IEEE 30节点系统和某实际大区域电网的仿真证明了所提方法的有效性和普适性。仿真结果表明：与传统基于Cholesky分解的排序方法相比，奇异值分解可在不增加计算代价的同时灵活处理非正定的相关系数矩阵；而相比于普通基于拉丁超立方的方法，所提方法收敛更快，相同样本规模下的计算精度更高，特别是输出变量标准差的精度。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

奇异值分解在图像水印算法中有着广泛的应用，但是也存在高虚警率的缺陷。讨论分析了空域和变换域中经典的奇异值分解水印算法和最近报道的基于主成分的改进算法。通过实验验证了改进算法的有效性。