注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 可微稀疏编码

  2. 可谓稀疏编码 生成模型 交替字典学习 凸约束优化 稀疏编码

  3. 所属分类：讲义

    • 发布日期：2015-09-03
    • 文件大小：548864
    • 提供者：tjin507

  1. 具有分层组稀疏性的判别式结构化字典学习

  2. 学习用于稀疏编码的自适应词典一直是最新研究的重点，因为它提供了一种使稀疏表示效率最大化的有前途的方法。特别是，学习判别词典而不是重构词典已证明在模式识别方面的性能得到了显着提高。本文提出了一种有力的判别词典学习方法。在字典学习过程中，我们通过促进分层组稀疏性并减少稀疏代码的线性预测误差来增强稀疏代码的可分辨性。借助班级内部联合协作的稀疏性，我们的方法能够从标记的数据中学习自适应词典进行分类，这鼓励了系数在组级别和单例级别上都是稀疏的，从而增强了稀疏代码的可分离性。受益于字典和分类器的联合学习，稀

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：1048576
    • 提供者：weixin_38752830

  1. 彩色图像去马赛克的非局部稀疏表示方法

  2. 目前,大部分彩色去马赛克(Color DeMosaicking,CDM)算法仅利用了局部的空间和光谱相关性,容易导致CDM复原图像边缘模糊以及细小结构丢失.当图像中出现周期性细小结构时,这些局部方法容易产生诸如锯齿、栅格等失真现象.针对这些问题,我们将字典学习和稀疏编码统一到一个变分框架中,提出了非局部自适应稀疏表示模型.通过非局部相似块聚类自适应地在线学习字典.利用局部和非局部的冗余信息对稀疏编码进行约束,强制稀疏编码靠近其非局部均值以减少编码误差.为了有效抑制服从重尾分布的CDM误差,设计了

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：2097152
    • 提供者：weixin_38595689

  1. 基于非因子化稀疏表示和误差矩阵估计的高光谱图像融合

  2. 具有非负约束的矩阵分解在高光谱图像融合中得到了广泛的应用。 尽管如此，对稀疏系数的非负限制限制了字典表示的效率。 针对这一问题，提出了一种基于非分解稀疏表示和误差矩阵估计的高光谱图像融合方法，用于同一场景下遥感高空间多波段图像与低空间高光谱图像的融合。 首先，专门采用一种有效的频谱字典学习方法来构建频谱字典，避免了矩阵分解的过程。 然后，使用非负约束的乘法器交替方向方法（ADMM）估计高空间多波段图像相对于学习的光谱字典的稀疏代码。 为了提高最终融合结果的质量，还提出了一种误差矩阵估计方法，该方

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：643072
    • 提供者：weixin_38611230

  1. 基于非因子化稀疏表示和字典学习的高光谱图像超分辨率

  2. 非负矩阵分解是超光谱图像超分辨率的最典型模型。 但是，对系数的非负限制限制了字典表达的效率。 面对这一问题，提出了一种基于非因式稀疏表示和字典学习的高光谱图像超分辨率方法（称为NFSRDL）。 首先，在相同或相似区域中使用一些低空间分辨率的高光谱图像，专门采用一种有效的光谱字典学习方法来构建光谱字典。 然后，使用非负约束的乘法器交替方向方法（ADMM）估计高分辨率多带图像相对于学习的频谱字典的稀疏代码。 在不同数据集上的实验结果表明，与相关的最新技术相比，我们的方法可以在同一场景中改善PSNR超

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：327680
    • 提供者：weixin_38526823

  1. 高效，有效的字典学习的逐块坐标下降方案

  2. 基于稀疏表示的字典学习通常被认为是一种重新排列原始数据结构以使能量在非正交和不完整字典上紧凑的方法，广泛用于信号处理，模式识别，机器学习，统计学和神经科学。 当前的稀疏表示框架将优化问题分解为两个子问题，即使用不同的优化器的交替稀疏编码和字典学习，分别处理字典和代码中的元素。 在本文中，我们对字典和代码中的元素进行同质处理。 最初的优化直接解耦为几个按块替换的子问题，而不是上述两个问题。 因此，稀疏编码和字典学习优化被统一在一起。 更准确地说，将优化问题中涉及的变量划分为几个合适的块，并保留凸性

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：1048576
    • 提供者：weixin_38658982

  1. 进化增强的多尺度超完备字典学习图像去噪

  2. 本文提出了一种利用图像的多尺度特性和稀疏表示的多尺度超完备字典学习方法。 首先用平移不变字典稀疏表示图像，然后使用一些学习的多尺度字典对系数进行去噪。 字典学习可以简化为具有多个变量的非凸l（0）-范数最小化问题，因此提出了一种进化增强算法来交替优化变量。 进行了一些实验，以比较我们提出的方法与相应方法在某些基准自然图像上的性能，并且在视觉结果和一些数值准则上都可以观察到我们提出的方法相对于相应方法的优越性。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：848896
    • 提供者：weixin_38730389

  1. 基于字典学习和相似度正则化的图像降噪

  2. 基于冗余字典学习的图像降噪方法探索了补丁的稀疏先验，并被证明可以带来最先进的结果。 但是，他们没有探讨图像补丁的非局部相似性。 在本文中，我们利用图像补丁的结构相似性和稀疏先验性，提出了一种新的基于字典学习和相似性正则化的图像降噪方法。 通过将图像降噪公式化为多变量优化问题，我们交替优化变量以获得去噪图像。 进行了一些实验，以比较我们提出的方法与相应方法在某些基准自然图像上的性能，并且在视觉结果和一些数值准则上都可以观察到我们提出的方法相对于相应方法的优越性。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：131072
    • 提供者：weixin_38724247

  1. 具有判别能力的低秩投影字典对学习

  2. 与传统字典学习算法相比，新的投影字典对学习(DPL)算法在字典学习过程中引入了投影字典，利用投影编码替代目标样本在字典上的稀疏编码，有效降低了模式识别算法的计算量，但是原始的DPL算法对遮挡和噪声干扰较为敏感。为了解决这一问题，提出了一种具有判别能力的低秩投影字典对学习(DLPL)算法，该算法在模型中增加了对字典的低秩约束并利用最小二乘估计法对标签样本投影编码的分类误差进行约束，待求字典和投影字典都具有封闭形式的解，通过交替优化方法进行快速求解。不同数据库中的实验结果表明，DLPL算法不仅可以改

  3. 所属分类：其它

    • 发布日期：2021-01-25
    • 文件大小：6291456
    • 提供者：weixin_38506852