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. 基于冗余字典的信号超完备表示与稀疏分解

  2. 基于冗余字典的信号稀疏分解是一种新的信号表示理论, 采用超完备的冗余函数系统代替传统的正交基函数, 从而为信号自适应地稀疏扩展提供了极大的灵活性. 稀疏扩展一方面可以实现数据压缩的高效性, 更重要的是可以利用字典的冗余特性捕捉原始信号的自然特征. 本文从超完备信号稀疏分解和非线性逼近理论的一系列最新成果出发, 综述了基追踪和匹配追踪等主流算法在信号表示方面的稀疏性与字典相干系数的关系问题, 评述了目前字典构成的发展趋势.

  3. 所属分类：其它

    • 发布日期：2011-01-22
    • 文件大小：200kb
    • 提供者：belongicecream

  1. 基于匹配追踪的ISAR超分辨成像方法

  2. 稀疏信号表不在与信号结构匹配方而具有很大的灵活性，可以用于逆合成孔径雷达(撇R)成像。目前常用的算法基寻踪法和FO CU SS法都是并行算法，计算量很大。而匹配追踪法是一种逐步选取基函数的算法，计算量小。因而是一种更有效的成像算法。对于仿真和真实LSA R雷达数据，配追踪法得到的图像分辨率大大高于传统的傅里叶变换方法。故表明匹配追踪法是一种有效的LSAR超分辨成像方法。

  3. 所属分类：其它

    • 发布日期：2011-03-21
    • 文件大小：122kb
    • 提供者：wangbinbin87

  1. 用于压缩感知信号重建的正则化自适应匹配追踪算法

  2. 压缩感知理论是一种充分利用信号稀疏性或者可压缩性的伞新的信号采样理论。该理论表明，通过采集少 量的信号值就可实现稀疏或可压缩信号的精确重建。该文在研究和总结已有重建算法的基础上，提出了一种新的基 于正则化的自适应匹配追踪算法(Regularized Adaptive Matching Pursuit，RAMP)用于压缩感知信号的重建。

  3. 所属分类：教育

    • 发布日期：2011-05-14
    • 文件大小：547kb
    • 提供者：baijiao1990

  1. 基于压缩感知的脑电信号压缩采样

  2. 压缩感知在脑电信号中的应用，在医学实践中，通常会进行长时间的多次重复性的多通道脑电图测量，因此会产生 大量数据。如何有效处理这些数据是一个函待解决的问题。近年来出现的压缩感知理论 为有效解决这个问题提出了新的解决思路。鉴于此，本文首先介绍了EEG信号的先验 基础知识和压缩感知的理论框架。接下来研究了基于压缩感知理论对单通道EEG信号 的压缩采样，内容包括脑电信号最佳稀疏分解，通过实验对比发现，对于EEG信号， 以高斯函数、高斯小波函数、墨西哥草帽函数作为原子的生成函数构造的冗余字典，可 以实现

  3. 所属分类：医疗

    • 发布日期：2012-07-12
    • 文件大小：7mb
    • 提供者：yonghan911

  1. 压缩传感小波变换正交匹配追踪

  2. 使用Matlab编写的压缩感知的算法（小波变换基和正交匹配追踪算法）

  3. 所属分类：其它

    • 发布日期：2014-01-14
    • 文件大小：4kb
    • 提供者：u013480364

  1. CS和ICA的图像目标识别

  2. 本文研究一种新型的 X 射线成像方法，利用独立成分分析从多能 X 射线医学图像中将重 叠目标分离成像，并结合压缩感知以提高算法运行速度和分离成像质量。具体研究方法为： 根据被拍摄物体的物质组成，拍摄至少三幅多能 X 射线图像组成图像序列；应用 CS 选取稀 疏基将多能 X 射线医学图像进行稀疏表示；然后利用 ICA 将多能 X 射线图像的稀疏表示进 行盲源分离得到独立源；最后采用正交匹配追踪算法（ Orthogonal Matching Pursuit,OMP ）将 独立源重构达到分离成像。

  3. 所属分类：机器学习

    • 发布日期：2017-11-03
    • 文件大小：2mb
    • 提供者：qls315

  1. 不相关匹配追踪的分段区分性特征变换方法

  2. 为了提高基于分帧特征变换方法的稳定性， 提出了一种基于分段的区分性特征变换方法． 该方法将特征变换当成高维信号的稀疏逼近问题，采用状态绑定的方法训练得到基于域划分的线性变换矩阵( Ｒegion Dependent Linear Transform，ＲDLT) 和基于最小音素错误准则均值补偿的特征( mean-offset feature Minimum Phone Error， m-fMPE) 变换矩阵，将两者的特征变换矩阵构成过完备的字典; 采用强制对齐的方式对语音信号进行分段， 以似然度最

  3. 所属分类：机器学习

    • 发布日期：2018-03-12
    • 文件大小：440kb
    • 提供者：qq_41828110

  1. sklearn0.19中文文档

  2. sklearn0.19中文文档 PDF格式高清。 .1. 广义线性模型 1.1.1. 普通最小二乘法 1.1.1.1. 普通最小二乘法复杂度 1.1.2. 岭回归 1.1.2.1. 岭回归的复杂度 1.1.2.2. 设置正则化参数：广义交叉验证 1.1.3. Lasso 1.1.3.1. 设置正则化参数 1.1.3.1.1. 使用交叉验证 1.1.3.1.2. 基于信息标准的模型选择 1.1.3.1.3. 与 SVM 的正则化参数的比较 1.1.4. 多任务 Lasso 1.1.5. 弹性网络

  3. 所属分类：机器学习

    • 发布日期：2018-10-30
    • 文件大小：14mb
    • 提供者：hardpen2013

  1. scikit-learn-0.21.3-中文文档.pdf

  2. scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ，SciPy 和 matplotlib 上 开源，可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1

  3. 所属分类：机器学习

    • 发布日期：2019-08-24
    • 文件大小：40mb
    • 提供者：h394266861

  1. 压缩感知算法对比.m

  2. 利用MATLAB对基追踪（BP）算法、正交匹配追踪（OMP）算法和压缩采样匹配追踪(CoSaMP)算法仿真在不同信噪比下性能的比较

  3. 所属分类：电信

    • 发布日期：2020-06-03
    • 文件大小：2kb
    • 提供者：yhcwjh

  1. 基追踪匹配追踪MATLAB算法

  2. 基于MATLAB算法，基追踪匹配追踪算法，稀疏分解或者压缩感知算法，应用广泛，优化求解算法等，可利于初学者有效学习

  3. 所属分类：电信

  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

  1. 使用压缩感测功能快速调整说话人

  2. 即使适配数据量有限，基于说话者空间的说话人自适应方法也可以获得良好的性能。 然而，对于特定的未知说话者来说，难以确定子空间的最佳尺寸和基向量。 常规方法（例如本征语音（EV）和参考说话者加权（RSW））只能获得次优说话者子空间。 在本文中，我们提出了一种使用压缩感测的基于说话人空间的新说话人自适应框架。 基于常规高斯混合模型隐藏式马尔可夫模型（GMM-HMM）的语音识别系统的所有混合分量的均值向量被连接起来以形成超向量。 说话人适应问题被视为从有限的语音信号观察中恢复说话人相关的超向量。 冗余的

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：681kb
    • 提供者：weixin_38536397

  1. 基于限制等距性质阈值机制的匹配追踪算法

  2. 为提高贪婪算法重构精度,提出带有回溯机制的基于限制等距性质阈值匹配追踪算法(restricted isometry propertity-based threshold mechanism MP,RIPTMP)。每次迭代包含原子添加和原子删减两个步骤,在原子添加步骤中,根据RIP和残差能量条件添加原子;在原子删减步骤中,分析RIP和残差条件,找出可能错误原子,原子选择过程是自适应的。实验结果表明,在一定条件下,该算法重构精度高于正交匹配追踪算法(orthogonal matching pursu

  3. 所属分类：其它

  1. 毫米波系统中基于正交码本的联合混合预编码

  2. 混合预编码最近被提出作为毫米波（mmWave）系统的有前途的技术。 但是，mmWave多输入多输出系统的混合预编码的复杂度仍然很高。 在本文中，我们提出了一种低复杂度的联合混合预编码算法。 通过引入等效信道的概念，可以将混合预编码问题表述为最大化等效信道增益的问题。 为了解决这个问题，我们通过在正交码本中选择合适的码字来共同设计射频预编码器和组合器。 然后，通过等效通道的奇异值分解，共同完成基带预编码器和组合器。 仿真结果表明，与经典的正交匹配追踪算法相比，该算法能够以较低的复杂度实现相似的性能

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：350kb
    • 提供者：weixin_38654380

  1. 基于分层匹配追踪算法的电能质量复合扰动参数辨识方法

  2. 针对电能质量中的复合扰动信号分析问题，提出一种粒子群优化(PSO)和匹配追踪(MP)算法相结合的分层搜索的原子分解方法。首先应用MP算法提取基波分量，对于去除基波分量的残差信号，利用快速傅里叶变换找寻能量最大的频率成分，采用PSO算法粗搜索出最佳匹配粒子，然后以最佳匹配粒子为中心，在一定范围内重新离散化，生成小规模原子库，再应用MP算法有针对性地进行细搜索，最终得到最佳匹配原子，提取出电能质量复合扰动特征参数。仿真结果表明，该方法能克服MP算法匹配时间长、计算量大及PSO优化MP算法残差积累过大

  3. 所属分类：其它

  1. 基于AdaBoost和匹配追踪的选择性集成算法

  2. 为了平衡集成学习中差异性和准确性的关系并提高学习系统的泛化性能, 提出一种基于AdaBoost 和匹配追踪的选择性集成算法. 其基本思想是将匹配追踪理论融合于AdaBoost 的训练过程中, 利用匹配追踪贪婪迭代的思想来最小化目标函数与基分类器线性组合之间的冗余误差, 并根据冗余误差更新AdaBoost 已训练基分类器的权重, 进而根据权重大小选择集成分类器成员. 在公共数据集上的实验结果表明, 该算法能够获得较高的分类精度.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：234kb
    • 提供者：weixin_38748239