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. LRR 低秩表示

  2. 低秩表示是图像处理方面近几年研究的新领域，这个文件中包含了LRR的原始程序和改进方法

  3. 所属分类：其它

    • 发布日期：2013-03-19
    • 文件大小：7168
    • 提供者：cocoyuhan

  1. Low-Rank Representation(LRR)

  2. For the data contaminated by outliers,we prove that under certain conditions LRR can exactly recover the row space of the original data and detect the outlier as well; for the data corrupted by arbitrary errors,LRR can also approximately recover the

  3. 所属分类：其它

    • 发布日期：2013-03-24
    • 文件大小：7168
    • 提供者：aoguren

  1. Robust Recovery of Subspace Structures by Low-Rank Representation

  2. 讨论子空间聚类问题，运用低秩表示，在样本中找寻低秩表示，把样本表示为给定字典中基的线性组合。低秩表示可以精确高效大的用作鲁棒子空间聚类和误差修正。同时总结RPCA和LRR的区别

  3. 所属分类：其它

    • 发布日期：2015-04-07
    • 文件大小：997376
    • 提供者：tiandijun

  1. LRR低秩表示

  2. LRR低秩表示文献

  3. 所属分类：讲义

    • 发布日期：2016-04-26
    • 文件大小：58720256
    • 提供者：baidu_31760129

  1. 低秩表示MATLAB代码

  2. 低秩表示的lrr MATLAB代码 只能适用于最基础的分解，完整版本还需要联系本人

  3. 所属分类：机器学习

    • 发布日期：2018-04-28
    • 文件大小：2048
    • 提供者：ck910

  1. 核低秩表示代码MATLAB实现

  2. main_klrr.m是调用的代码，KLRR.m是核低秩代码实现，然后DATA目录下为选用的数据，utils目录下为工具类，可能有多余的代码，utils中除了LOADDATA代码是我写的之外，其他全是从cai deng以及lrr中收集的。

  3. 所属分类：机器学习

    • 发布日期：2018-11-02
    • 文件大小：17825792
    • 提供者：qq_26479655

  1. 使用低邻域表示和邻域保留正则化的高光谱图像特征提取

  2. 高光谱图像（HSI）通常包含数百个光谱带。 当它们用于分类任务时，HSI可能会遭受高维度的诅咒。 为了解决这个问题，采用了尺寸缩减和特征提取（FE）的基本程序。 在这封信中，我们提出了一种使用低秩表示和邻域保留正则化（LRR_NP）的HSI的有限元方法。 所提出的方法可以同时采用局部空间相似性和频谱空间结构，该结构包括多个低秩子空间的并集。 LRR的框架可以在结构上表示光谱空间的并集结构。 由于空间相邻像素在特征空间中总是共享高度相似性，因此将NP正则项引入LRR框架以考虑局部空间相关性。 分类

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1048576
    • 提供者：weixin_38664427

  1. 通过利用光谱空间的并集结构和鲁棒的字典估计实现基于LRR的高光谱图像恢复

  2. 高光谱图像（HSI）在采集过程中通常会因噪声而损坏，因此，对于以下应用，恢复嘈杂的HSI是必不可少的步骤。 低秩表示（LRR）为我们提供了一个非常强大的工具来检测高光谱数据的子空间奇异性，但是如何找到合适的子空间可以更好地确保低秩属性，以及如何构建更健壮的字典以适合LRR框架仍然是开放的问题。 本文在此基础上，提出了一种利用频谱空间的并集结构和鲁棒字典估计的基于LRR的HSI恢复方法。 在这种方法中，频谱空间由根据不同土地覆盖的几个低秩子空间的并集结构表示，并使用鲁棒主成分分析（RPCA）对字典

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：823296
    • 提供者：weixin_38716460

  1. 低秩表示与局部线性嵌入相结合的高光谱图像无监督特征提取

  2. 高光谱图像（HSI）为土地覆盖物提供了数百个狭窄的光谱带，因此可以为土地覆盖物分类提供更强大的判别信息。 但是，HSI受高维诅咒的困扰，因此尺寸减小和特征提取对于HSI的应用至关重要。 在本文中，我们提出了一种结合低秩表示和局部线性嵌入（LRR LLE）的HSI的无监督特征提取方法。 所提出的方法可以同时使用HSI内的频谱和空间相关性，其中LRR考虑了空间邻居之间的相关性，对低秩子空间和LLE的并集内在属性进行建模。 在真实的HSI数据集上进行了实验，分类结果表明LRR LLE提取的特征比现有方

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：265216
    • 提供者：weixin_38637144

  1. 用于模式识别的半监督低秩表示图

  2. 在这项研究中，作者提出了一种用于模式识别的新的半监督低秩表示图。 样本集合由最近开发的低秩表示（LRR）联合编码，它可以更好地捕获数据的全局结构，并从损坏的样本中实现更强大的子空间分割。 通过使用计算出的标记和未标记样本的LRR系数作为图权重，在半监督学习的框架下以无参数的方式建立了低秩表示图。 在基准数据库上进行了一些实验，研究了该方法的性能，结果表明该方法优于其他相关的半监督图。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：316416
    • 提供者：weixin_38672962

  1. 拉普拉斯正则化双曲正切低秩子空间聚类算法

  2. 传统的低秩表示模型LRR对高维数据聚类精确度低,针对这一情况提出一种基于拉普拉斯正则化双曲正切函数低秩子空间聚类算法(LRHT-LRSC).该算法利用双曲正切函数代替核范数以便更紧凑地逼近秩函数,并利用拉普拉斯正则项刻画数据本身的几何结构,提高了数据聚类的准确率;然后构建数据样本的系数矩阵和相似矩阵;最后利用谱聚类方法得到最终的聚类结果.在合成数据集、真实数据集ExtendedYaleB和Hopkins155上的对比实验结果表明,LRHT-LRSC能够提高聚类的准确率和鲁棒性.

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：311296
    • 提供者：weixin_38526421