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. 基于神经网络的空间CCD相机图象恢复

  2. 空间CCD像机的图像恢复是一个复杂的问题，图象数据恢复的准确与否直接影响天 文学家对于太阳物理特性的研究判断，目前各种图象恢复技术被广泛的应用于CCD像机 的图象处理上，一幅恒星、行星或星系的模糊照片通常通过多种反卷积它的点扩散函数 （PSF）来获得更加清晰的图象，但是难以克服图象处理过程中的奇异性和病态性，往 往要作出广义平稳过程的假设和其他先验条件。而由于神经网络图像恢复是建立在网络 能量函数收缩的基础上，从而完全避免了图象恢复的解析方法进行矩阵求逆带来的问 题，具有普遍适用性，但同时由于

  3. 所属分类：网络基础

    • 发布日期：2009-06-08
    • 文件大小：1048576
    • 提供者：jxm0jxm

  1. 3*3魔方恢复算法和源码

  2. 任意状态的3*3魔方,在300步以内恢复成还原状态.C语言实现,有代码和文档.

  3. 所属分类：C

    • 发布日期：2009-10-27
    • 文件大小：548864
    • 提供者：skyhacer

  1. MATLAB用压缩感知恢复一维信号

  2. MATLAB用压缩感知恢复一维信号例子，用高斯测量矩阵获得测量值，用OMP算法恢复原始一维信号。

  3. 所属分类：其它

    • 发布日期：2010-04-16
    • 文件大小：2048
    • 提供者：mashuo0601

  1. MatrixCompletion

  2. 用svt 和 fpc进行的矩阵恢复算法，matlab版。

  3. 所属分类：其它

    • 发布日期：2011-01-01
    • 文件大小：364544
    • 提供者：buaaluoxy

  1. 配网故障恢复及定位

  2. 配电网故障恢复与定位研究，矩阵描述配电网的拓扑结构，基于网基型的，基于网型结构，最后比较各种恢复算法。

  3. 所属分类：其它

    • 发布日期：2013-05-09
    • 文件大小：529408
    • 提供者：u010626537

  1. 从压缩传感到低秩矩阵恢复_理论与应用

  2. 综述了压缩传感、矩阵秩最小化和低秩矩阵恢复等方面的基础理论及典型应用. 基于凸优化的压缩传感及由其衍生 的矩阵秩最小化和低秩矩阵恢复是近年来的研究热点, 在信号处理、推荐系统、高维数据分析、图像处理、计算机视觉等很多 研究领域具有重要和成功的应用. 在这些实际的应用中, 往往涉及到对高维数据的分析与处理, 需要充分和合理利用数据中的 如稀疏性或其所构成矩阵的低秩性等性质. 尽管在最坏情况下, 最小化诸如稀疏性或矩阵秩这样的目标函数是 NP 难的, 但是 在某些合理的假设条件下, 通过优化目标函

  3. 所属分类：专业指导

    • 发布日期：2014-12-11
    • 文件大小：3145728
    • 提供者：beautyheart

  1. 低秩矩阵恢复算法综述

  2. 低秩矩阵恢复算法综述，内容比较易懂，用于图像修复，推荐算法等

  3. 所属分类：算法与数据结构

    • 发布日期：2018-09-02
    • 文件大小：1048576
    • 提供者：fengguanxi

  1. 低秩矩阵分解，矩阵恢复

  2. 机器学习算法中的，矩阵分解，矩阵恢复，低秩矩阵分解

  3. 所属分类：机器学习

    • 发布日期：2018-11-21
    • 文件大小：5242880
    • 提供者：qq_34964789

  1. 基于低秩矩阵恢复的目标快速检测方法研究

  2. 为了实现快速运动目标检测，利用低秩矩阵恢复原理进行视频前景检测，主要针对低秩矩阵恢复算法存在的耗费大部分运算时间且运算较为复杂的奇异值分解问题，应用统一计算结构装置（CUDA）第三方库实现加速计算奇异值分解的低秩矩阵恢复算法优化，得到快速且高效的前景检测方法。基于开源视频序列实验，与原有的低秩矩阵恢复算法进行各项参数的比较，其中加速倍数达一倍以上。实验结果证明，经过优化的算法运算时间变短，具有更高效率。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：492544
    • 提供者：weixin_38733597

  1. 基于收缩率的交替投影算法在压缩传感中高效测量矩阵的构建

  2. 介绍了一种简单而有效的压缩感知（CS）框架内的测量矩阵构建算法（MMCA）。 在CS框架中，测量矩阵Phi和稀疏矩阵（基本）psi之间的较小相干性可以导致更好的信号重建性能。 在本文中，我们通过迭代采用收缩和交替投影技术来达到此目的。 最后，优化测量矩阵Phi和固定稀疏矩阵psi的列之间的相干性可以大大降低，甚至接近于Welch界。 已经进行了广泛的实验以测试所提出算法的性能，并将其与最新算法进行比较。 我们得出的结论是，使用提出的MMCA的贪婪算法（例如，正交匹配追踪（OMP）和正则化OMP）

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：2097152
    • 提供者：weixin_38625164

  1. 稀疏信号恢复的测量矩阵构建算法

  2. 介绍了一种在压缩感知框架内的简单测量矩阵构造算法（MMCA）。 在压缩感测中，测量矩阵和稀疏字典（基本）之间的较小相干性可以具有更好的信号重建性能。 随机测量矩阵（例如，高斯矩阵）已被广泛使用，因为它们与几乎所有稀疏基数都具有较小的相干性。 但是，通过降低与固定稀疏基的相干性来优化测量矩阵将大大提高CS的性能，这一结论已被许多先前的研究人员很好地证明。 基于以上分析，我们通过迭代采用收缩和奇异值分解（SVD）技术来实现此目的。 最后，优化矩阵和稀疏字典的列之间的相干性可以大大降低，甚至接近韦氏边

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：1048576
    • 提供者：weixin_38572960

  1. 使用低秩矩阵恢复的高光谱图像恢复

  2. 高光谱图像（HSI）通常在采集过程中由于各种噪声的混合而降低质量，这些噪声可能包括高斯噪声，脉冲噪声，虚线，条纹等。 本文介绍了一种基于低秩矩阵恢复（LRMR）的HSI恢复新方法，该方法可以同时去除高斯噪声，脉冲噪声，死线和条纹。 通过按字典顺序将HSI的补丁排序为二维矩阵，可以探索高光谱图像的低秩属性，这表明干净的HSI补丁可以视为低秩矩阵。 然后，我们将HSI恢复问题公式化为LRMR框架。 为了进一步消除混合噪声，应用了“分解”算法来解决LRMR问题。 在模拟和真实数据条件下都进行了一些实验

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_38685857

  1. KMA-α：支持向量机的核矩阵逼近算法

  2. 核矩阵计算是恢复支持向量机的关键，已有的精确计算方法难以处理大规模的样本数据。纹理，研究核矩阵的近似计算方法。首先，采用支持矢量机的凸二次约束线性规划表示，然后，综合蒙特卡罗方法和不完全Cholesky分解方法，提出一个新的核矩阵近似算法KMA-α，该算法首先对核矩阵进行蒙特卡洛随机采样，采样后不直接进行奇异值分解，又应用了对称替换的不完全Cholesky分解来计算近似最优的低秩近似。以KMA-α输出的近似核矩阵作为支持矢量机的输入，可提高支持向量机二阶锥规划优化的效率。进一步，分析了KMA-α

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：weixin_38614825

  1. 具有恢复功能的近理想Mary LDGM量化

  2. 对于使用低密度生成矩阵（LDGM）代码构造的字母大小为M = 2K的迭代均方误差（MSE）量化器，提出了一种有效的恢复算法，该算法调整了置信传播（BP）中使用的先验值以限制先前非理想抽取步骤的影响。 基于对理想或非理想抽取下的BP过程的分析，该算法首先估计描述非理想抽取效果的条件概率分布，然后调整先验值以使分布与理想情况相匹配。 如仿真结果所示，该恢复算法可以极大地提高量化性能，将整形损耗降低至0.012 dB，而由于使用了FFT技术，计算复杂度的增加是适度的。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：459776
    • 提供者：weixin_38681301

  1. 基于隐式低秩表示的联合投影学习算法及图像识别

  2. 隐式低秩表示(LatLRR)作为经典的无监督特征提取算法已应用于模式识别领域。然而该算法得到的特征维数无法降低,且由于算法分别学习2个低秩矩阵,因此无法保证整体最优;另外,算法忽略了样本在学习过程中存在的残差。为解决这些问题,提出了一种基于隐式低秩表示的联合投影学习算法。使用投影矩阵和恢复矩阵近似地表示隐式低秩表示中的投影矩阵,使算法在降维的同时可提取判别特征;联合学习投影矩阵、恢复矩阵和低秩矩阵,矩阵间相互提升,从获得的投影中可以提取出更多的判别特征,同时在算法模型中约束样本在投影学习中存在的

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：10485760
    • 提供者：weixin_38506835

  1. 基于Z变换的局部匀速运动模糊图像恢复算法

  2. 针对背景不变的局部匀速运动模糊图像复原问题, 提出一种基于Z变换的恢复算法。在前景和背景色差较大的假设前提下, 基于背景差方法将前景从图像中分离出来; 利用旋转矩阵将前景在像平面内任意方向的运动转换成X轴方向的运动; 进而把复杂的局部模糊恢复问题简化为前景模糊恢复及前景和背景融合两个子问题来解决, 使求解过程得到最大程度简化; 在严格的数学推导基础上建立基于Z变换的退化及恢复模型, 将模型中的差分方程转化为简单的代数方程求解; 仿真结果表明, 提出的算法能正确、有效并且快速地恢复由于局部匀速运动

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：1048576
    • 提供者：weixin_38663193

  1. 基于稳健性主成分分析算法的光学相干层析成像去除散斑噪声的研究

  2. 为了消除光学相干层析成像（OCT）系统中存在的大量散斑噪声，引入了稳健性主成分分析（RPCA）算法。通过分析生物组织在OCT中散斑的产生机制，从而了解OCT系统中散斑噪声的特点。结合OCT系统自身的特点，证明基于RPCA算法的低秩矩阵恢复模型对OCT系统消除散斑噪声有良好的适用性。利用RPCA算法，可以得到将OCT原始图像分解成散斑噪声图像和样品截面图像的最佳估计。RPCA算法能在分离散斑噪声的同时，保留样品自身结构的散斑图样，有效地避免了伪影的生成。通过对比处理后和处理前的图像，结果表明，RP

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：7340032
    • 提供者：weixin_38720997

  1. RW-MC：基于随机游走的自适应矩阵填充算法

  2. 为了对软件定义无线网络系统中虚拟接入点（VAP）状态信息进行实时测量，根据实际网络中虚拟接入点性能的数据特征，提出一种基于随机游走的自适应矩阵填充算法（RW-MC）。首先，基于离散度和覆盖度的采样模型确定初始样本点；然后，利用随机游走模型对之前时隙的采样点序列建模分析，确定新时隙的测量点；最后，比较相邻窗口的恢复矩阵中重叠部分的误差率与标准误差，实现测量点的动态自适应。实验表明，该测量方法能够在低采样率、低误差的情况下实现对全网VAP实时感知。

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：1048576
    • 提供者：weixin_38627769

  1. 使用低秩矩阵恢复的高光谱图像恢复

  2. 高光谱图像（HSI）通常在采集过程中由于各种噪声的混合而降低质量，这些噪声可能包括高斯噪声，脉冲噪声，虚线，条纹等。 本文介绍了一种基于低秩矩阵恢复（LRMR）的HSI恢复新方法，该方法可以同时去除高斯噪声，脉冲噪声，死线和条纹。 通过按字典顺序将HSI的补丁排序为二维矩阵，可以探索高光谱图像的低秩属性，这表明干净的HSI补丁可以视为低秩矩阵。 然后，我们将HSI恢复问题公式化为LRMR框架。 为了进一步消除混合噪声，应用了“分解”算法来解决LRMR问题。 在模拟和真实数据条件下都进行了一些实验

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：4194304
    • 提供者：weixin_38747917

  1. 基于低秩矩阵恢复的SAR图像相干斑抑制方法

  2. 针对合成孔径雷达(SAR)图像相干斑噪声的特点,提出了一种基于低秩矩阵恢复的SAR图像相干斑抑制算法。该算法首先对SAR图像进行对数变换,将SAR图像相干斑乘性噪声转化为加性噪声;然后对变换后图像等步长遍历提取图像子参考块,利用局部块匹配技术寻找子参考块的相似块组建相似子集,合并数据集中所有相似子集,构建近似低秩的矩阵;再通过低秩矩阵恢复算法将矩阵分解为低秩矩阵部分和稀疏矩阵部分;最后将低秩矩阵部分逆变换回图像块,基于图像块灰度值对图像的每个像素进行加权重构,生成相干斑抑制后的SAR图像。实验表

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：747520
    • 提供者：weixin_38650629
« 12 3 4 5 6 »