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. 此代码是稀疏低秩的代码

  2. 这个代码是文章RASL：Robust Alignment by Sparse and Low-rank Decomposition for Linearly Correlated Images的代码。

  3. 所属分类：其它

    • 发布日期：2013-06-26
    • 文件大小：38mb
    • 提供者：xuehaizhen

  1. 低秩表示模型

  2. 图像处理中的低秩表示模型，实现对图像的低秩和稀疏重构。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-04-10
    • 文件大小：2kb
    • 提供者：qq_36131668

  1. 稀疏恢复与稀疏优化的ℓ1极小化理论及其计算.pdf

  2. 根据模型的低复杂性结构（如向量的稀疏性、矩阵的低秩性等），如何高效地从病态的线性逆问题中唯一且稳健地恢复出特定的信息是当代应用与计算数学家、工程技术人员、以及统计学家们共同关心的重要问题.由于其普遍性，该问题在以稀疏恢复与稀疏优化为重点内容的压缩感知、图像/信号处理、机器学习、大数据处理、高维统计等领域均有重大的理论与应用价值.

  3. 所属分类：算法与数据结构

    • 发布日期：2018-04-20
    • 文件大小：1mb
    • 提供者：s1615043485

  1. 低秩稀疏矩阵优化问题的模型与算法

  2. 低秩稀疏矩阵优化问题是一类带有组合性质的非凸非光滑优化问题. 由于零模与秩函数 的重要性和特殊性, 这类 NP-难矩阵优化问题的模型与算法研究在过去〸几年里取得了长足发展。

  3. 所属分类：机器学习

    • 发布日期：2020-07-29
    • 文件大小：434kb
    • 提供者：syp_net

  1. 通过低秩和稀疏模型进行未知分辨率模糊的超分辨率高光谱成像

  2. 通过低秩和稀疏模型进行未知分辨率模糊的超分辨率高光谱成像

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：582kb
    • 提供者：weixin_38568031

  1. 具有非本地和本地先验的重加权红外补丁张量模型用于单帧小目标检测

  2. 已经提出了许多用于红外小目标检测的最新技术。 它们在具有均一背景和高对比度目标的图像上效果很好。 然而，当面对高度异质的背景时，它们将不能很好地工作，主要是由于：1）存在强边缘和其他干扰组件，2）没有充分利用先验条件。 受此启发，我们提出了一种同时利用本地先验和非本地先验的新颖方法。 首先，我们采用新的红外补丁张量（IPT）模型来表示图像并保留其空间相关性。 利用目标稀疏先验和背景非局部自相关先验，将目标背景分离建模为鲁棒的低秩张量恢复问题。此外，借助结构张量和权重思想，我们设计了一种局部局部自

  3. 所属分类：其它

  1. 基于空间分数阶几何和谱空间低秩先验的变分全平移方法

  2. 泛锐化是指将低分辨率（LR）多光谱（MS）图像与高分辨率（HR）全色（PAN）图像融合以获得HR MS图像（即，泛锐化MS图像）。 从变数互补数据融合的角度来看，它成为具有几何形状和频谱保留约束的优化问题。 本文通过结合数据生成的保真度项和复合先验项，提出了一种新颖的统一优化泛锐化模型，该模型结合了空间分数阶几何和频谱空间低秩先验。 具体而言，所提出的模型包含三个重要成分：1）数据生成保真度项，该模型对LR和HR MS图像之间的退化关系进行建模，以增强几何形状和光谱保留约束； 2）基于分数阶总变

  3. 所属分类：其它

  1. 非局部集中式同时稀疏编码

  2. 引入结构化稀疏编码噪声的概念以利用空间相关性和局部结构的非局部约束。 然后提出了一种非局部集中式同时稀疏编码模型（NCSSC），用于重建原始图像，并提出了一种将同时稀疏编码转换为加权后的低秩逼近的算法。 图像去噪，去模糊和超分辨率的实验结果证明了所提出的NC-SSC方法优于最新的图像恢复方法的优势。

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：838kb
    • 提供者：weixin_38710578

  1. Hcpcs2Vec:使用大型Medicare数据和Skip-gram模型学习HCCCS程序代码的密集语义嵌入-源码

  2. Hcpcs2Vec 该项目使用Skip-gram模型使用大型Medicare数据为HCPCS程序代码学习有意义的密集嵌入。 灵感 医疗专业人员，计费公司和保险公司使用HCPCS程序代码来记录为患者提供的特定服务。 事实证明，程序代码对于各种分析和机器学习项目都很有价值，例如，预测再入院率，预测保险欺诈或总结医疗文件。 使用传统的一键编码来表示这些过程会导致非常高维的稀疏矢量，即> 50K维。 这些大型表示法增加了机器学习算法的计算复杂性，并增加了维数的诅咒。 此外，一站式表示无法对各

  3. 所属分类：其它

  1. 超拉普拉斯正则化单向低秩张量恢复用于多光谱图像降噪

  2. 最近的基于低秩的矩阵/张量恢复方法已经在多光谱图像（MSI）去噪中得到了广泛的探索。 但是，这些方法忽略了固有结构相关性沿空间稀疏性，光谱相关性和非局部自相似性模式的差异。 在本文中，我们通过对矩阵和张量情况下的秩属性进行详细分析，进一步找出非局部自相似性是关键因素，而其他人的低秩假设可能不成立。 这促使我们设计一个简单而有效的单向低秩张量恢复模型，该模型能够如实地捕获固有的结构相关性，并减少计算负担。 然而，由于重叠的补丁/立方体的聚集，低等级模型遭受了振铃伪影。 虽然以前的方法诉诸于空间信息

  3. 所属分类：其它

  1. 超拉普拉斯正则化单向低秩张量恢复用于多光谱图像降噪

  2. 最近的基于低秩的矩阵/张量恢复方法已经在多光谱图像（MSI）去噪中得到了广泛的探索。 但是，这些方法忽略了固有结构相关性沿空间稀疏性，光谱相关性和非局部自相似性模式的差异。 在本文中，我们通过对矩阵和张量情况下的秩属性进行详细分析，进一步找出非局部自相似性是关键因素，而其他人的低秩假设可能不成立。 这促使我们设计一个简单而有效的单向低秩张量恢复模型，该模型能够如实地捕获固有的结构相关性，并减少计算负担。 然而，由于重叠的补丁/立方体的聚集，低等级模型遭受了振铃伪影。 虽然以前的方法诉诸于空间信息

  3. 所属分类：其它

  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

  1. 基于超图的子空间聚类的秩约束矩阵表示

  2. 他的论文提出了一种新颖的，受秩约束的矩阵表示形式，并结合了超图谱分析，能够恢复损坏数据的原始子空间结构。 实际数据经常因稀疏错误和噪声而损坏。 我们的矩阵分解模型从数据中分离出低秩，稀疏错误和噪声分量，以增强对破坏的鲁棒性。 为了在字典中获得所需的数据秩表示，我们的模型通过限制秩范围的上限来直接利用秩约束。 提出了一种替代的投影算法来估计低秩表示并将稀疏误差与数据矩阵分离。为了进一步捕获分布在多个子空间中的数据之间的复杂关系，我们使用超图通过将多个相关样本封装为一个来表示数据超边缘。 通过超图拉

  3. 所属分类：其它

  1. 具有图核规范正则化的基于结构的低秩模型用于噪声消除

  2. 非本地图像表示方法，包括基于组的稀疏编码和块匹配3-D过滤，已显示出它们在应用于低级任务中的出色性能。 从具有相似强度的贴片组成的每个组中提取非局部先验。 然而，基于强度相似度对斑块进行分组会在真实图像的估计中引起干扰和不准确性。 为了解决这个问题，我们提出了一种基于结构的低秩模型，该模型具有图核规范正则化。 我们利用补丁内部的局部歧管结构，并根据歧管结构的距离度量对补丁进行分组。 利用流形结构信息，建立了图核范数正则化并将其合并到低秩逼近模型中。 然后，我们证明基于图的正则化等效于加权核范数，

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：512kb
    • 提供者：weixin_38566318

  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

  1. 局部超图拉普拉斯约束的高光谱影像低秩表示去噪方法

  2. 针对传统高光谱影像低秩表示去噪方法无法保持影像多元几何结构信息的问题, 提出一种基于局部超图拉普拉斯约束的高光谱影像低秩表示去噪方法。在低秩表示模型中增加超图拉普拉斯正则项, 保持数据间多元几何流形结构; 并对低秩模型系数矩阵增加稀疏和非负约束条件, 进一步提高模型对影像局部信息的保持能力, 使得模型不仅能够恢复具有低秩性质的影像信号分量, 而且可以很好地保持影像的多元几何流形结构。在AVIRIS影像和ProSpecTIR-VS影像上的对比实验表明, 所提方法更好地保持了影像的空间和光谱信息,

  3. 所属分类：其它

  1. 结合地物类别和低秩特性的高光谱图像降噪

  2. 针对现有方法不易确定划分高光谱图像子块的大小和个数,仅考虑子块内低秩性等不足,提出一种结合地物类别和低秩特性的高光谱图像降噪方法。根据地物数据先验知识的类别数,简单划分子块的个数,指定最优参数明确分块大小,再通过相同地物中像素空间和光谱的相关性定义同物空谱低秩特性,最后结合整幅高光谱图像的光谱低秩特性,并根据低秩矩阵恢复模型求解降噪图像。在Washington DC Mall和Indian Pines数据集上进行实验,结果表明:所提方法不仅对每一类地物噪声的降噪效果有所提高,而且针对更为严重的随

  3. 所属分类：其它

  1. 具有判别能力的低秩投影字典对学习

  2. 与传统字典学习算法相比，新的投影字典对学习(DPL)算法在字典学习过程中引入了投影字典，利用投影编码替代目标样本在字典上的稀疏编码，有效降低了模式识别算法的计算量，但是原始的DPL算法对遮挡和噪声干扰较为敏感。为了解决这一问题，提出了一种具有判别能力的低秩投影字典对学习(DLPL)算法，该算法在模型中增加了对字典的低秩约束并利用最小二乘估计法对标签样本投影编码的分类误差进行约束，待求字典和投影字典都具有封闭形式的解，通过交替优化方法进行快速求解。不同数据库中的实验结果表明，DLPL算法不仅可以改

  3. 所属分类：其它

  1. 高光谱分类在隐藏场中采用空间光谱低秩表示

  2. 本文提出了一种基于贝叶斯框架下的高光谱影像在隐藏场中基于空间光谱低秩表示的新分类方法。 该方法的关键思想是同时探索隐藏域的频谱域中的低秩属性和隐藏域的空间域中的非局部自相似性，这是通过稀疏多项式逻辑回归以有监督的方式估计的。 首先，在局部立方斑中利用了频谱域中的低秩特性。 然后，将相似的三次面片以非局部意义聚类为几组，并假设每组中的面片位于低秩子空间中。 最终模型可以通过增强拉格朗日方法有效求解。 在两个真实的高光谱数据集上的实验结果证明，与其他最新的分类器相比，所提出的分类器在总体准确性，平均

  3. 所属分类：其它

  1. 使用低秩表示的高光谱视频序列中的GAS羽流检测

  2. 由于传感器的快速发展，现在可以获取高光谱图像序列。 这些高光谱视频序列（HVS）特别适用于化学气体羽流的检测和跟踪。 在本文中，我们提出了一种新颖的气体羽流检测方法。 它基于将序列分解为低秩和稀疏项，分别对应于背景和羽状流，并结合了时间一致性。 为了引入空间连续性，使用总变化（TV）正则化模型添加了后处理。 在真实的高光谱视频序列上的实验结果验证了该方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：456kb
    • 提供者：weixin_38624628
« 12 »