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. [M] Sparse and Redundant Representations（稀疏冗余表示）

  2. 稀疏表示经典，详细介绍了稀疏表示的算法，字典学习方法以及在图像处理中的应用

  3. 所属分类：专业指导

    • 发布日期：2012-09-03
    • 文件大小：14680064
    • 提供者：xyxuyangxy

  1. 稀疏表示在图像处理中的应用

  2. 介绍了什么是稀疏表示，怎么求稀疏表示，稀疏字典的学习以及稀疏表示可以用来做什么，通俗易懂。

  3. 所属分类：专业指导

    • 发布日期：2014-04-23
    • 文件大小：6291456
    • 提供者：u010131819

  1. 有效的稀疏学习工具包

  2. 大牛叶杰平开发的稀疏学习matlab工具包。

  3. 所属分类：其它

    • 发布日期：2016-09-22
    • 文件大小：961536
    • 提供者：xxycy

  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. 基于压缩感知的心电数据压缩算法的设计

  2. 本文利用压缩感知算法对心电数据信号进行压缩，从而实现心电数据的高压缩率与高精度。从压缩感知算法的原理可知，稀疏字典能够反映某类数据的结构信息，因此，针对心电数据这一具有特殊结构的数据，利用压缩感知算法探索其内在的结构，能够更加符合心电数据的变化规律。本文通过实验在MIT-BIH数据库上进行验证，对比了传统的压缩算法，证明本文提出的算法在均方根误差和压缩率上都能取得较好的效果。

  3. 所属分类：其它

    • 发布日期：2018-10-13
    • 文件大小：5242880
    • 提供者：programmer0000

  1. 基于字典学习的煤与矸石图像特征识别方法

  2. 为了提升采煤过程中煤与矸石图像的自动识别效率,解决现有图像特征提取方式的瓶颈,根据相应的机器视觉原理,提出了利用字典学习算法对煤与矸石的图像进行特征提取的方法。字典学习算法经过煤与矸石图像的预处理之后,在字典初始化与更新时采用随机选择的方式,调整到最优的字典列数、稀疏误差和稀疏度等参数,最后利用支持向量机进行识别。实验表明:利用字典学习算法可以有效地表达煤与矸石的图像特征,自动识别效果较好,为采矿过程中煤与矸石的自动分选提供了一种新的思路和方法。

  3. 所属分类：其它

    • 发布日期：2020-06-12
    • 文件大小：982016
    • 提供者：weixin_38520275

  1. 基于稀疏表示的微血管瘤识别开题答辩ppt

  2. 这是2016年7月15日，硕士开题答辩所采用的ppt，有关于微血管瘤检测识别方向，采用稀疏表示字典学习的方法进行防震处理，这里给出了大致的研究方向，一节部分备注，希望对下载者，有一定帮助。

  3. 所属分类：讲义

    • 发布日期：2016-10-02
    • 文件大小：978944
    • 提供者：pearl8899

  1. 基于在线字典学习的医学图像特征提取与融合

  2. 提出一种基于在线字典学习(ODL)的医学图像特征提取与融合的新算法。首先,采用大小为8像素×8像素的滑动窗处理源图像,得到联合矩阵;通过ODL算法得到该联合矩阵的冗余字典,并利用最小角回归算法(LARS)计算该联合矩阵的稀疏编码;将稀疏编码列向量的1范数作为稀疏编码的活动级测量准则,然后根据活动级最大准则融合稀疏编码;最后根据融合后的稀疏编码和冗余字典重构融合图像。实验图像为20位患者的已配准脑部CT和MR图像,采用5种性能指标评价融合图像的质量,同两种流行的融合算法比较。结果显示,所提出算法的

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：311296
    • 提供者：weixin_38592502

  1. 在线健壮的字典学习

  2. 在线词典学习对于在计算机视觉中处理大规模动态数据特别有用。 然而，它面临着合并健壮功能而不是平方数据拟合项的主要困难，以处理训练数据中的异常值。 在本文中，我们提出了一个新的在线框架，该框架允许在健壮的字典学习中使用l（1）稀疏数据拟合术语，从而显着增强了这一重要技术的可用性和实用性。 已经进行了广泛的实验以验证我们的新框架。

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：758784
    • 提供者：weixin_38708361

  1. 稀疏子空间聚类综述

  2. 稀疏子空间聚类(Sparse subspace clustering,SSC)是一种基于谱聚类的数据聚类框架.高维数据通常分布于若干个低维子空间的并上,因此高维数据在适当字典下的表示具有稀疏性.稀疏子空间聚类利用高维数据的稀疏表示系数构造相似度矩阵,然后利用谱聚类方法得到数据的子空间聚类结果.其核心是设计能够揭示高维数据真实子空间结构的表示模型,使得到的表示系数及由此构造的相似度矩阵有助于精确的子空间聚类.稀疏子空间聚类在机器学习、计算机视觉、图像处理和模式识别等领域已经得到了广泛的研究和应用,

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：1048576
    • 提供者：weixin_38526612

  1. 一种基于稀疏表示的改进的Rife离网DOA估计算法。

  2. 在本文中，我们解决了在多个测量向量（MMV）的情况下基于稀疏表示的离网到达方向（DOA）估计问题。 提出了一种将MMV问题变为SMV的稀疏DOA估计方法。 该方法使用基于加权特征向量（SRBWEV）的稀疏表示来处理MMV问题。 通过将信号子空间中数组协方差矩阵的特征向量的线性组合用作稀疏解计算的新SMV，可以将MMV问题更改为单个测量向量（SMV）问题。 因此，该算法的复杂度小于其他MMV的DOA估计算法。 同时，它可以克服传统的基于稀疏度的DOA估计方法的局限性，即未知方向属于预定的离散角度网

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：729088
    • 提供者：weixin_38633475

  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. 基于在线字典学习和脉冲耦合神经网络的脑图像融合

  2. 医学图像融合是医学影像和放射医学等领域的研究热点之一,广受医学界和工程界重视。提出一种基于在线字典学习(ODL)和脉冲耦合神经网络(PCNN)的脑部CT和MR图像融合新算法。首先,利用滑动窗技术将源图像分块,使用ODL算法和最小角回归算法(LARS)得到各图像块对应列向量的稀疏编码;其次,将稀疏编码作为脉冲耦合神经网络的外部输入刺激信号进行迭代处理,根据点火次数确定融合系数;最后,根据融合系数和学习字典重构融合图像。基于哈佛医学院的10组脑部CT和MR数据,将所提出算法同基于KSVD的融合算法、

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：400384
    • 提供者：weixin_38557095

  1. rational-index:计算稀疏位置以在插入操作期间使用零位置编辑来维护列表顺序-源码

  2. 有理指数 实现合理的索引规范，该规范允许在索引存储区中高效实现可重新排序的列表。 关键原则是： 插入列表中的任何位置都不会修改其他元素。 因此，在列表中移动项目也不会修改其他元素。 排序值是按字典顺序可比较的可变长度字符串。 无需重新平衡-订货值应尽可能短。 非目标是： 可预测的值-仅保证相对排序 并发插入安全性-防止重复值需要序列化 无限的可扩展性-尽管该库应该可以轻松处理10万个项目，但尚未对设计进行严格的规模审查。 全方位服务解决方案-这是有序列表的组成部分，而不是完全实现的

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：111616
    • 提供者：weixin_42159267

  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. 基于稀疏表示的两阶段脑电癫痫波检测算法研究

  2. 脑电癫痫特征波的自动检测具有重要的临床应用价值,本研究提出一种基于自适应预测滤波与稀疏表示的两阶段癫痫特征波检测算法.第一阶段,使用自适应预测滤波器粗检出有嫌疑的癫痫波时段,在保证检测正确率的同时,减少数据量,提高后续处理效率;第二阶段,先以高斯函数及其一、二阶导数为原子的生成函数构建一个冗余多成分字典,再应用匹配追踪算法仪获取可疑波段在此字典下的稀疏表示(自适应参数化表示),原子的结构参数能够准确度量瞬时波形的多种形态结构特征如宽度、幅度、锐度等,进而提出基于形态结构匹配的检测算法,对预检输出

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：752640
    • 提供者：weixin_38729022

  1. 基于低秩稀疏矩阵分解和稀疏字典表达的高光谱异常目标检测

  2. 异常目标检测在高光谱图像(HSI)处理领域发挥越来越重要的作用。低秩稀疏矩阵分解算法(LRaSMD)可将背景和异常区分开，可以极大地减弱异常目标对背景的污染。基于此，提出一种基于低秩稀疏矩阵分解和稀疏字典表达(LRaSMD-SR)的高光谱异常目标检测算法，通过LRaSMD的方式获取背景集，通过稀疏表达的方式从背景集中构建背景字典模型，最后通过计算重构误差来检测异常点。该算法在模拟和真实数据上都进行了有效性验证，实验结果证明LRaSMD-SR算法具有非常好的异常目标检测性能。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：4194304
    • 提供者：weixin_38516380

  1. 基于稀疏表示的低比特率可伸缩图像编码算法研究

  2. 根据图像的几何结构特性,从人类视觉系统特性出发,建立了Gabor感知多成份字典,进而模拟人类视觉通路的层次处理机制,构建了稀疏编码网络,能够有效去除图像中的高阶冗余,形成更为稀疏的表示。对稀疏表示系数重组后进行比特平面量化,实现了低比特率的可伸缩编码。实验结果表明,在低比特率下,本文算法压缩后重构图像的感知质量要明显优于JPEG2000,峰值信噪比也与其相当,并且对于图像中的边缘和纹理等细节保持效果更佳。

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：860160
    • 提供者：weixin_38657835

  1. 基于稀疏特征提取的单幅图像去雾

  2. 为解决暗通道先验去雾算法在天空区域和大片白色区域色彩失真的问题, 提出了一种基于稀疏表示模型和特征提取的单幅图像去雾算法。通过稀疏字典的训练过程, 学习雾天图像的稀疏特征, 初步优化粗略介质传输图的稀疏系数。根据雾天灰度图像的稀疏特征, 进一步精细化介质传输图。逆向求解雾天退化模型, 得到去雾图像。实验结果表明, 所提算法在天空区域的处理上优势明显, 同时恢复出更多的图像细节和边缘信息。

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：17825792
    • 提供者：weixin_38744526
« 12 3 4 »