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. 计算机专业考研考试重点

  2. 一、数据结构部分 考点1. 算法复杂度分析问题：能够给出特定算法用大O表示的时间或空间复杂度 考点2. 线性表的存储结构对比问题：链式存储和顺序存储的优缺点对比，各使用于那种应用场合 考点3. 树、二叉树和森林的相互转换问题：树二叉树森林之间的转换问题，注意树的左孩子右兄弟表示法 考点4. 二叉树的构造与遍历问题：给定二叉树，能给出相应的前中后序遍历序列；给定一个中序遍历序列，再给出一个前序或后序遍历序列，构造出二叉树 考点5. Huffman树的构造与Huffman编码：节点的权值，根到叶子

  3. 所属分类：其它

    • 发布日期：2010-10-26
    • 文件大小：3072
    • 提供者：lslking2008

  1. 基于稀疏表示的系统辨识方法.pdf

  2. 基于信号的稀疏表示理论提出一种线性时不变系统辨识方法.该方法利用线性调频信号作为线性时不变系统激励输入信号,在利用传统方法进行系统辨识前利用稀疏分解算法对系统输出信号进行噪声处理.线性调频信号具有较好的时频聚集特性,线性时不变系统的输出也将具有很好的时频特征,利用基于Gabor字典的稀疏分解将能有效地提取输出信号中的有效分量,滤除其中的噪声成分,提高系统辨识的精度.仿真实验表明,本文提出的方法在低信噪比情况下,辨识效果好于传统方法.

  3. 所属分类：其它

  1. KSVD工具包—信号处理

  2. 信号处理中常用的训练冗余字典KSVD工具包，可以将信号在冗余字典中分解得到信号的稀疏表示

  3. 所属分类：其它

    • 发布日期：2011-05-27
    • 文件大小：5242880
    • 提供者：xdyuwu

  1. GPU精粹2：高性能图形芯片和通用计算编程技...part1.rar

  2. 本书目录 第Ⅰ部分 几何复杂性 第1章 实现照片级真实感的虚拟 植物 5 1.1 场景管理 6 1.1.1 种植栅格 6 1.1.2 种植策略 6 1.1.3 实时优化 7 1.2 草层 7 1.2.1 通过溶解模拟Alpha透明 9 1.2.2 变化 10 1.2.3 光照 11 1.2.4 风 12 1.3 地面杂物层 12 1.4 树和灌木层 13 1.5 阴影 14 1.6 后处理 15 1.6.1 天空圆顶辉散 16 1.6.2 全场景辉光 16 1.7 本章小结 17 参考文献 1

  3. 所属分类：硬件开发

    • 发布日期：2012-02-07
    • 文件大小：61865984
    • 提供者：on__no

  1. 非局部变换域图像去噪与增强及其性能评价研究

  2. 图像去噪是图像处理研究中的一个基础课题。现有的图像去噪方法分为局部方法与非局部方法两种，其中非局部平均(NLM)方法是近几年才提出的一种全新的图像去噪策略。最近发展起来的块匹配三维协同滤波(BM3D)有效地结合了局部变换方法与非局部思想，被公认为当前最好的图像去噪方法。本文通过深入研究BM3D方法中的一些不足提出了几种对BM3D的改进算法，获得了比BM3D方法更好的图像去噪结果。图像细节增强是图像处理研究中的另一个重要课题。变换域图像细节增强的前提是图像中呈线状奇异性的弱细节信息能够得到有效地

  3. 所属分类：C

    • 发布日期：2013-02-17
    • 文件大小：6291456
    • 提供者：pengwangguo

  1. Sparse and Redundant Representations

  2. Sparse and Redundant Representations：From Theory to Applications in Signal and Image Processing。以色列理工大学Michael Elad写的书，非常好。《稀疏与冗余表示-理论及其在信号与图像处理中的应》

  3. 所属分类：其它

    • 发布日期：2015-10-22
    • 文件大小：25165824
    • 提供者：ws_20100

  1. 稀疏和冗余在图像处理的应用

  2. 目前， 稀疏表示的应用范围基本为自然信号形成的图像、音频以及文本等， 对于非自然信号或数据的应用尚未有文献涉及。在应用方面， 可大体划分为两类： 　　基于重构的应用 　　此类应 用 有 图 像 去 噪、 压 缩 与 超 分 辨 、S A R 成像 、 缺失图像重构 以及音频修复 等。这些应用主要将目标的特征用若干参数来表示， 这些特征构成稀疏向量， 利用稀疏表示方法得到稀疏向量， 根据数学模型进行数据或图像重构。在这些应用中， 观测数据一般含有噪声。 基于分类的应用 这类应用的本质是模式识别

  3. 所属分类：机器学习

    • 发布日期：2018-03-30
    • 文件大小：22020096
    • 提供者：qq_24599599

  1. 压缩感知及其资料

  2. 动态压缩感 (Dynamic compressed sensing, DCS) 知由视频信号处理问题引出, 是压缩感知 (Compressed sensing, CS) 理论研究领域中新兴起的一个研究分支, 旨在处理信号支撑集随时间发生变化的时变稀疏信号, 较为成功的应用范例是 动态核磁共振成像. 本文首先介绍动态系统模型, 给出时变稀疏信号支撑集缓慢变化的定义、时变稀疏信号的稀疏表示和感知 测量的方法; 其次, 建立一个统一的时变稀疏信号重构模型, 基于该模型对现有算法进行分类, 简要综述时

  3. 所属分类：其它

    • 发布日期：2018-08-27
    • 文件大小：109051904
    • 提供者：weixin_43076256

  1. 压缩感知在情感特征提取中的应用研究

  2. 情感识别是当前在人工智能、人机交互以及模式识别和数字信号处理领域的研究热点，也是基于情感计算领域的一个重要分支。因为情感识别是一门综合性的研究领域，涉及很多的学科，所以目前还存在很多问题尚未解决，主要集中在对于特征的提取和降维以及识别方法和多模态情感信息的融合。 人表达情感的方式主要有语音和表情两类，本文就是针对这两类的情感识别中的相关技术展开研究，并经过相应的建模和仿真得到相应的结果，本文的主要结构为： 1.结合国内外当前对于情感识别的研究，给出了情感识别的定义、表示方法以及研究现状和应用。

  3. 所属分类：其它

    • 发布日期：2018-10-10
    • 文件大小：8388608
    • 提供者：programmer0000

  1. Sparse and Redundant Representations

  2. 这是一本由Michael Elad编写的关于稀疏表达在信号和图像处理中运用的书籍

  3. 所属分类：图像处理

    • 发布日期：2018-10-15
    • 文件大小：20971520
    • 提供者：qq_40475087

  1. 5g资料.pdf

  2. 5g资料目录 31.1物理层概述 54 第一章5G的基本概念 面面面面面面面面看D着着DD着DD着DD着 6 31.2物理层提供的服务 115G,有什么不同? 6 32物理层信道和调制… 321概述 125G的发展现状和前景… 3211什么是调制技术? 135G的关键性能要求… 9 3212物理信道和物理信号定义 60 131用户体验速率 10 322帧结构 61 132连接密度 10 3221咴和子帧… 61 133时延 32.22时隙(S|ots) 134可用性,可靠性 11 323调制的过

  3. 所属分类：其它

    • 发布日期：2019-10-31
    • 文件大小：25165824
    • 提供者：ggjuejiu

  1. 雷达的数字波束形成 文献

  2. 雷达的数字波束形成第卷增刊1 邱文杰译:雷达的数字波束形成 在数字处理器中,加权运算的精确和可预测的性质最终可以最佳和最快地控制天线波束 形状 13接收机校准方便 在任何系统中,至少有一部分波束形成过程是在多个接收机之后进行的,系统在接收机 各通道以及天线中的增益和相位误差是敏感的。这些误差的范围将直接影响波束形状的“质 量’,所以必须将它们或保持在可接受的低电平上,或用某些方式来补偿。正如后面第14节 中指出的,数字波束形成法允许选择后一方案,从而避免了要求接收机通道内有非常严格的 绝对公差或

  3. 所属分类：电信

    • 发布日期：2019-03-16
    • 文件大小：1048576
    • 提供者：yanchuan23

  1. 信号处理中的稀疏表示

  2. 以信号处理中的稀疏表示为研究对象，重点阐述K-SVD方法的步骤，实现用较少基本信号的线性组合来重构原始信号，使得信号残差尽可能地小。

  3. 所属分类：电信

    • 发布日期：2020-06-09
    • 文件大小：1048576
    • 提供者：u013407106

  1. 图像压缩感知的自适应方向提升稀疏表示及重构算法

  2. 为了克服传统的压缩感知重构中正交小波方向选择性差的局限性，针对图像信号方向性决定了需要在不同纹理区域选择滤波器以使变换后信号能量更加稀疏，提出一种基于自适应方向提升稀疏表示的重构方法。重构时，在每次迭代更新后，根据图像信号的纹理特征选择不同强度方向和信号光滑度的小波基，使得变换后信号能量分布更加集中，并利用小波域阈值处理方法解决信号的重构噪声问题。实验结果表明，该算法提高了重构图像的峰值信噪比和视觉效果，保护了图像的细节。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_38629976

  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. 消除图像脉冲噪声的新框架

  2. 基于非局部均值滤波器（NLMF）或基于稀疏表示的降噪技术在图像降噪方面具有卓越的性能。 为了将两种方法的优点结合在一起，提出了一种新的图像去噪框架。 在此框架中，包含脉冲噪声的图像首先由NLMF处理，以获得良好的临时去噪图像。 基于此，提取许多补丁以训练适用于目标信号的冗余字典。 最后，在字典上稀疏地编码每个噪声图像块，在其中将脉冲噪声替换为来自临时去噪图像的值。 然后，通过将有效代码和冗余字典相乘来重建干净的图像补丁。 经过广泛的实验验证，该去噪框架不仅可以获得比单独使用NLMF或稀疏表示技术

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：917504
    • 提供者：weixin_38677472

  1. 稀疏相关系数用于客观图像质量评估

  2. 图像质量评估（IQA）对于众多图像处理应用至关重要。 通常，图像质量度量（IQM）将图像质量视为在某些感知空间中与参考图像的保真度或相似度。 这种全参考IQA方法是一种比较，涉及以感知上有意义的方式测量两个信号之间的相似性或差异。 人类视觉系统（HVS）的建模已被视为实现感知质量预测的最合适方法。 实际上，自然图像统计可以是模拟HVS的有效方法，因为自然图像的统计模型揭示了HVS的一些重要响应特性。 稀疏编码是自然图像的有用统计模型，等效于独立分量分析（ICA）。 它对初级视觉皮层中简单细胞的感

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1048576
    • 提供者：weixin_38571878

  1. 基于稀疏表示和自适应模型的高光谱目标检测

  2. 影响传统高光谱目标检测精度的因素主要有两个方面：一是高光谱图像固有的光谱畸变造成的图像噪声；另一个是传统方法在处理目标检测和利用空间信息时，会将异质区域与同质区域同等对待，然而异质区域却包含着不同的物质和光谱特征。为了解决以上问题，提出了一种将空间自适应模型与稀疏表示结合起来对高光谱图像目标进行检测的方法。首先，在重建信号时利用噪声的稀疏表示特性，最大限度地提取噪声中包含的有用信息，以确保重建信号的特征更加丰富，并接近源信号；其次，提出了一种空间自适应权重模型，并用它来检测中心像素点同周围邻域不

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：5242880
    • 提供者：weixin_38627234

  1. 基于张量的互质面阵信号处理方法

  2. 针对由2个稀疏均匀矩形阵列（URA）构成的互质面阵（CPPA），提出了一种基于张量代数的阵列信号处理方法，以提高阵列自由度。首先，对CPPA中的2个URA进行拆分，将这2个URA的接收信号表示成2个张量；然后将其互相关结果处理成一个虚拟阵列的接收信号张量。分析表明，所提方法可将一个具有2 2L -1个物理阵元的 CPPA 转换成一个具有

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：790528
    • 提供者：weixin_38519619

  1. 高光谱影像的非局部加权联合稀疏表示分类方法

  2. 作为一种强大而有前途的统计信号建模技术，稀疏表示已广泛应用于各种图像处理和分析领域。 对于高光谱图像分类，以前的研究已经表明了基于稀疏性的分类方法的有效性。 本文提出了一种非局部加权联合稀疏表示分类方法（NLW-JSRC），以提高高光谱图像分类的效果。 在联合稀疏模型​​（JSM）中，对中央测试像素周围的不同相邻像素使用不同的权重。 一个特定的相邻像素的权重由相邻像素和中央测试像素之间的结构相似性确定，这被称为非局部加权方案。 本文采用同时正交匹配追踪技术求解非局部加权联合稀疏模型​​（NLW-

  3. 所属分类：其它

    • 发布日期：2021-04-02
    • 文件大小：393216
    • 提供者：weixin_38720997
« 12 »