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. 凸优化的程序包

  2. 凸优化的程序包，载入到matlab目录中可以运行对应的凸优化函数，非常好用，使得凸优化平民化，易操作，发papers神器，不容错过！

  3. 所属分类：软件测试

    • 发布日期：2014-11-05
    • 文件大小：78848
    • 提供者：xiaohutu186

  1. 稀疏分解图像去噪

  2. 传统的去噪方法往往假设含噪图像的有用信息处在低频区域，而噪声信息处在高频区域，从而基于中值滤波、Wiener 滤波、小波变换等方法实现图像去噪，而实际上这种假设并不总是成立的。基于图像的稀疏表示，近几年来研究者们提出了基于过完备字典稀疏表示的图像去噪模型，其基本原理是将图像的稀疏表示作为有用信息，将逼近残差视为噪声。利用 K-SVD 算法求得基于稀疏和冗余的训练字典，同时针对 K-SVD 算法仅适合处理小规模数据的局限，通过定义全局最优来强制图像局部块的稀疏性。文献[28]提出了稀疏性正则化的

  3. 所属分类：讲义

    • 发布日期：2018-03-30
    • 文件大小：2097152
    • 提供者：qq_24599599

  1. 基于多层训练的稀疏非负矩阵高光谱混合像元分解

  2. 非负矩阵分解方法不仅被用作数据降维,并且被广泛地应用于高光谱混合像元分解。由于非负矩阵分解常常陷于局部最小化,各种限制性条件被使用,如稀疏、体积等。深度学习作为一种新的数据挖掘方法被广泛地使用,其通过建立深度网络,进行贪婪学习,最终可以克服样本数据不足及陷于局部最优化的缺陷。文中借助深度学习的非监督训练方法,采用多层训练神经元进行非负矩阵高光谱混合像元分解,除此之外,数据的稀疏特性被当作先验知识用于多层网络的训练及重构。通过对真实高光谱遥感影像大量实验发现,此方法简单易行,且精度明显高于目前其它

  3. 所属分类：其它

    • 发布日期：2020-05-14
    • 文件大小：726016
    • 提供者：weixin_38506103

  1. 基于自适应稀疏表示的光谱去噪和基线校正

  2. 通过分析光谱信号特征,结合稀疏表示理论,提出了一种自适应稀疏表示的光谱去噪方法。该方法对信号分段构造学习样本,分别用OMP法和K-SVD法初始化和过训练原子库。将光谱信号在新的原子库上进行自适应稀疏分解,实现光谱信号去噪。利用信噪比(SNR)、均方根误差(RMSE)、波形相似度(NCC)、峰值平均相对误差(AREPV)四个指标来评价去噪效果。仿真实验结果表明,与小波软阈值和小波硬阈值方法相比,该方法能更好地同时消除噪声和基线漂移。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：409600
    • 提供者：weixin_38624628

  1. 基于双组分分解的混合正则化方法用于部分纹理CS-MR图像重建

  2. 对于压缩感测磁共振（CS-MR）图像重建，至关重要的是保留边缘和纹理，同时消除混叠伪影。总变化（TV）规范化可以很好地保留边缘，但是会导致阶梯效应，并且不能保留纹理。高阶正则化可以消除阶梯效应，但会导致边缘模糊。非本地电视（NLTV）规范化可以很好地保留纹理，但是会导致多余的伪像，并且很可能保留由于错误地混淆伪像而导致的类似纹理的人工结构。在本文中，我们假设图像由卡通成分和各向异性成分组成。对于卡通组件，我们利用分数阶电视正则化来消除阶梯效应并避免边缘模糊，更重要的是，由于卡通组件中没有纹理，因

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：2097152
    • 提供者：weixin_38595356

  1. 通过正则化非负矩阵分解来预测稀疏标签PPI网络中的蛋白质功能特性

  2. 背景：预测蛋白质在蛋白质间相互作用（PPI）网络中的功能特性提出了一个具有挑战性的问题，并在计算生物学中具有重要意义。利用属性特征和相关信息共同对PPI网络中的相关蛋白质进行分类的集体分类（CC）已被证明是解决此问题的有力方法。当给定具有大量标记数据的全标记PPI网络时，启用CC通常会提高准确性。但是，在许多现实世界的PPI网络中可能很难获得这样的标记，在这些网络中，通常只有有限数量的标记蛋白质，并且有大量未标记蛋白质。在这种情况下，大多数未标记的蛋白质可能不会与标记的蛋白质连接，因此无法从本地

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：1048576
    • 提供者：weixin_38702844

  1. 基于递归字典的同时正交匹配追踪用于高光谱数据的稀疏分解

  2. 贪婪算法的稀疏分解问题仍然是寻找的巨大挑战由于通常很高，因此对于光谱库中观察到的数据而言，端部成员的最佳子集光谱库的相关性。 在这种情况下，一种称为递归的新颖贪婪算法基于字典的同时正交匹配追踪（RD-SOMP）用于稀疏分解呈现高光谱数据。 该算法采用分块处理策略对整体进行划分高光谱图像分成几个块。 在该块的每次迭代中，将光谱库投影到正交子空间并重新归一化，这可以减少光谱库的相关性。 然后RD-SOMP选择一个在当前残差和最大残差之间具有最大相关性的新末端光谱库的正交子空间。 在所有块中选择的最终

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：484352
    • 提供者：weixin_38632146

  1. 复合正则化联合稀疏贝叶斯学习的高光谱稀疏解混算法

  2. 将稀疏贝叶斯学习引入线性混合像元分解中，提出一种基于复合正则化联合稀疏贝叶斯学习的高光谱稀疏解混算法。在多观测向量的稀疏贝叶斯框架下，对各参数建立概率模型，经贝叶斯推断得到基于L2,1正则化的联合稀疏贝叶斯解混模型，并将丰度向量的非负与和为一约束加入到凸优化的目标函数中，通过变量分离法将复合正则化

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_38617602

  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. 推荐系统的内容嵌入正则化矩阵分解

  2. 在推荐器系统中，已经在利用矩阵分解中的文本信息方面做出了许多努力，以减轻数据稀疏性的问题。 最近，一些工作探索了神经网络，以深入了解文本项的内容，并进一步生成更准确的项潜在模型。 这些工作在执行建议方面取得了令人印象深刻的效果。然而，如何有效地利用矩阵分解中的用户和项目的描述文件仍然存在一个未解决的问题。 在本文中，我们提出了内容嵌入正则化矩阵分解（CERMF）来解决此问题。 CERMF采用卷积神经网络同时为用户和物品生成独立的嵌入表示。 然后，使用双重嵌入来规范用户和项目的latent.mod

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：182272
    • 提供者：weixin_38654315

  1. 基于稀疏表示的多功能遥感影像分类模型

  2. 本文利用遥感影像的光谱特征及其相关变换进行多特征建模，针对传统的SVM方法对多光谱反射影像分类精度不高的问题，将稀疏表示算法分解影像分类，并以宁夏平罗县沙湖地区遥感影像为例，通过提取多光谱红外影像变换中的归一化转化指数（NDVI）以及缨帽（KT）变换等特征，与反射影像的光谱特征相结合，生成稀疏分解的学习词典；根据学习字典计算每个像元的稀疏分解系数，得到整幅图像的稀疏表示特征。实验结果表明，无论在分类精度还是视觉效果上，本文算法都要采用传统分类方法。

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：403456
    • 提供者：weixin_38524871

  1. 基于流形正则化的非光滑非负矩阵分解

  2. 经典的非光滑非负矩阵分解方法只能发现数据中的全局统计信息,对于非线性分布数据无能为力,而流形学习方法在探索高维非线性数据集真实几何结构方面具有明显优势。鉴于此,基于流形正则化思想,提出了一种新颖的基于流形正则化的非光滑非负矩阵分解方法。该方法不仅考虑了数据的几何结构,而且对编码系数矩阵和基矩阵同时进行稀疏约束,并将它们整合于单个目标函数中。构造了一个有效的乘积更新算法,并在理论上证明了算法的收敛性。标准数据集上的实验表明了MRnsNMF的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：weixin_38645669

  1. 基于稀疏超完备表示的非结构化场景目标定位算法

  2. 非结构化场景具有许多不确定性和不可预测的状态。 这给对象定位带来了困难，对象定位是基于像素的处理。 模拟视觉信息处理方法是解决上述问题的有效途径。 稀疏超完备表示是一种更符合视觉机制的图像表示模型。 但是，过完备的表示方式不仅增加了稀疏分解的组合搜索难度，而且改变了输入空间与代码空间之间的对称性。 此外，这使得模型解和计算方法变得复杂。 为了解决上述问题并有效地利用该模型实现图像对象的自动定位，本文以非结构化场景对象的定位为背景。 首先，建立了基于能量模型和得分匹配方法的超完备表示计算模型。 提

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：353280
    • 提供者：weixin_38703123

  1. 基于平滑L0正则化的稀疏高光谱分解

  2. 基于平滑L0正则化的稀疏高光谱分解

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：2097152
    • 提供者：weixin_38637093

  1. 基于稀疏表示的准干净语音构造在复杂环境下的语音质量评估

  2. 提出了一种用于复杂环境的非侵入式语音质量评估方法。 在提出的方法中，提出了一种新的基于稀疏表示的语音重构算法，以从噪声衰减信号中获取准纯净语音。 首先，通过K奇异值分解算法学习了干净语音功率谱的超完备字典。 然后在稀疏表示阶段，根据估计的互相关和经后验SNR加权因子调整后的噪声谱，自适应地实现了停止残留误差，并采用正交匹配追踪法重建了清晰的语音谱。从嘈杂的演讲中。 准纯净语音被认为是对改进的PESQ感知模型的参考，并且通过准纯净语音与劣化语音之间的失真估计来获得嘈杂的劣化语音的平均意见得分。 实

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_38565818

  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. 背景和前景建模中的正则化优化

  2. 背景和前景建模是计算机视觉应用中的一种典型方法。 当前的通用“低秩+稀疏”模型将视频序列中的帧分解为低秩背景和稀疏前景。 但是这种模型中的稀疏假设可能与现实不符，并且该模型也不能直接反映背景和前景之间的相关性。 因此，我们提出了一种新颖的模型来解决此问题，方法是将排列的数据矩阵分解为低阶背景和移动前景。 在这里，我们只需要给出背景的低阶先验假设，并使前景与背景尽可能地分离。 在此划分的基础上，我们使用一对双重范数（核范数和频谱范数）分别对前景和背景进行正则化。 此外，我们使用重新加权函数代替正常

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：2097152
    • 提供者：weixin_38689857

  1. 基于局部空间信息的自适应局域提取稀疏非负矩阵分解

  2. 高光谱分解的目的是从中获取末端成员特征及其相应的丰度图高度混合的高光谱图像。 非负矩阵分解（NMF）是一种广泛使用的光谱方法因为在高光谱图像中没有纯像素的情况下它可以获得更好的性能，所以可以进行混合。 然而， 基于非负矩阵分解的许多方法很少考虑局部和局部空间信息。 非本地的。 为了将空间和光谱信息结合在一起以提高解混精度，自适应基于端元提取的具有空间局部信息（ASNMF）的稀疏非负矩阵分解为本文提出。 超像素分割将获得光谱上相似的许多有意义的区域与空间相邻。 在每个超像素上自适应提取端成员以生成

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：461824
    • 提供者：weixin_38728360

  1. 基于产品稀疏编码的强大视觉跟踪

  2. 本文提出了一种基于两个子码本的笛卡尔积的稀疏编码跟踪算法。 原始的稀疏编码问题被分解为两个子稀疏编码问题。 并且稀疏表示的维度以较低的计算成本被集中地扩大。 此外，为了减少L 1-范数最小化的次数，根据重构误差，采用岭回归来排除实质性的外在粒子。 最后，将高维稀疏表示放入分类器中，并将具有最大响应的候选者视为目标。 在具有挑战性的基准图像序列上进行的定性和定量评估都表明，所提出的跟踪算法与几种最新算法相比具有良好的表现。

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：1048576
    • 提供者：weixin_38654315

  1. 基于Gabor变换和组稀疏表示的敦煌壁画修复算法

  2. 在敦煌壁画修复过程中,初始字典的随机选取易陷入局部最优,仅以颜色欧氏距离作为图像块分组标准会导致图像修复后易出现结构模糊和线条不连续等问题。针对以上问题,提出了一种基于Gabor变换和组稀疏表示的敦煌壁画修复算法。首先,采用互信息作为图像块分组准则,并建立相似结构组,这使得组稀疏表示更加合理;然后,通过Gabor小波变换对相似结构组进行特征信息提取,并结合PCA降维的方式得到初始化结构组的特征字典,避免了字典初始化随机选取的不足;最后,采用奇异值SVD分解和分裂Bregman迭代优化方法对结构组

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：12582912
    • 提供者：weixin_38751016
« 12 3 4 »