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. 迭代式正交匹配追踪及稀疏解

  2. 欠定线性方程组Ax = y 的稀疏求解算法是稀疏表示与压缩感知中的研究热点,包括最小化L 0 拟范数与L 1 范数及迭代式阈值的方法.

  3. 所属分类：其它

    • 发布日期：2011-06-24
    • 文件大小：187kb
    • 提供者：wojiaoliukai

  1. l1范数最优化的相关程序，求出信号的稀疏解，进行分类

  2. 本程序描述的是利用L1范数求解稀疏解，然后进行分类

  3. 所属分类：软件测试

    • 发布日期：2012-04-15
    • 文件大小：48kb
    • 提供者：tianjinwanghuan

  1. 贝叶斯打分

  2. 利用稀疏求解后稀疏解的快内性质，借助贝叶斯网络，快速准确的分解信号 得到在过完备字典上的稀疏解

  3. 所属分类：其它

    • 发布日期：2015-05-02
    • 文件大小：15kb
    • 提供者：hch_power

  1. 求稀疏解的matlab代码工具包

  2. 压缩包内附pdf的文件解释，包含SparsePCA, LARS, LASSO 和 elastic net算法等等，内容完备。除了算法本身的m文件外，每种算法还配有各自的应用例子，即直接运行包内的example即可。此外，该压缩包还包含去均值、归一化以及cholesky分解。（如果运行时报出“类 RandStream 没有名为 'setDefaultStream' 的常量属性或静态方法”的错误，将example*.m文件中开头和结尾处的RandStream相关代码注释掉就OK了）

  3. 所属分类：机器学习

    • 发布日期：2019-02-02
    • 文件大小：1mb
    • 提供者：tao_yuting

  1. matlab开发-稀疏估计压缩传感线性系统解算器

  2. matlab开发-稀疏估计压缩传感线性系统解算器。查找未确定系统a x=y的稀疏解x，该解最多包含2个非零元素

  3. 所属分类：其它

  1. L1正则化理论推导，为什么L1产生稀疏解?

  2. L1正则化技术F(w;x,y)=J(w;x,y)+α∣∣w∣∣1=J(w;x,y)+α∑i=1n∣wi∣假设w∗是损失函数J(w;x,y)最优解，J(w;x,y)在w∗处泰勒展J(w;x,y)=J(w∗;x,y)+J′(w∗;x,y)(w−w∗)+12!J′′(w∗;x,y)(w−w∗)2  ∵w∗是J(w;x,y)最优解，则J′(w∗;x,y)=0，则可以去除J(w∗;x,y)+12!J′′(w∗;x,y)(w−w∗)2J′′是二阶导数，当是高维的时候就变成了H矩阵了。J(w∗;x,y)+12

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：38kb
    • 提供者：weixin_38748555

  1. 基于L_(1/2)正则项的磁共振图像稀疏重构

  2. 磁共振图像可以利用压缩感知从数量非常有限的观测数据集合中重构出,然而为了能够做到这一点,必须要解决定义在大量数据集合上的非光滑函数的最小化这一困难问题.通常L1范数能够产生稀疏解,但它往往与真实稀疏解(L0的解)差距甚大.针对该问题,研究一种基于变量分裂的图像重构模型,引入待重构图像的L1/2范数作为新正则项,采用交替增广拉格朗日乘子法进行求解.为考察方法的稳定性和重构效果,结合不同参数等评价标准与现有的图像重构模型进行比较.实验结果表明,L1/2范数作为正则子的图像重构模型相对于原有模型,图像

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：463kb
    • 提供者：weixin_38688097

  1. 不确定的线性系统的稀疏解的Rewighted L1极小化

  2. 我们提出了一种具有迭代支持集的简单有效的迭代加权算法，以提高压缩感知（CS）的恢复性能。 数值实验结果表明，与经典的l 1最小化和其他迭代地加权的l1算法相比，该新方法在成功概率上的性能更高。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：307kb
    • 提供者：weixin_38589150

  1. 使用双稀疏局部Fisher判别分析的人脸识别

  2. 提出了用于处理多峰问题的本地Fisher判别分析（LFDA）。 它不仅结合了用于保存高维数据局部结构的局部保留投影（LPP）的思想，而且还结合了用于获得判别力的Fisher判别分析（FDA）的思想。 但是，LFDA还存在采样不足的问题以及许多降维方法。 同时，投影矩阵不稀疏。 在本文中，我们提出了用于人脸识别的双稀疏局部Fisher判别分析（DSLFDA）。 该方法首先构造了一个具有非负约束的稀疏数据自适应图。 然后，DSLFDA将目标函数重新表述为回归型优化问题。 自然避免了欠采样问题，并且可

  3. 所属分类：其它

  1. 稀疏改进的边缘费舍尔分析用于面部表情识别

  2. 边际Fisher分析（MFA）是一种有效的降维方法，可以提取有用的判别特征进行图像识别。 由于稀疏学习可以实现更好的泛化能力并减少识别任务中的计算量，因此本文将稀疏性引入MFA，并提出了一种新颖的稀疏改进MFA（SMMFA）方法用于面部表情识别。 SMMFA的目标是通过使用所得的稀疏投影矩阵来提取判别特征。 首先，提出了一种改进的MFA，以找到原始的投影矩阵。 与MFA相似，修改后的MFA还定义了类内图和类间图，以分别描述同一类中的几何结构和不同类之间的局部判别结构。 此外，修改后的MFA会删除

  3. 所属分类：其它

  1. 使用PET成像的非稀疏无限核学习来自动识别阿尔茨海默氏病

  2. 最近，将多核学习机（MKLM）引入计算机辅助痴呆识别和病理学进展跟踪的研究中。 尽管其良好的性能，特别是在使用异构数据的情况下，这种学习模式及其变体通常利用L1范数约束，该约束会促进稀疏解，这可能会导致潜在的重要信息丢失。 在本文中，我们提出了一种非稀疏的无限核学习机（NS-IKLM），用于从正常对照中自动识别阿尔茨海默氏病。 在我们的方法中，修改后的约束条件用于促进非稀疏解决方案，并且在学习过程中会自动调整内核参数。 已对选自阿尔茨海默氏病神经创动倡议（ADNI）队列的一组FDG-PET图像进

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：109kb
    • 提供者：weixin_38691482

  1. 基于压缩采样和模因算法的高分辨率雷达目标距离反射率估计

  2. 压缩采样（CS）的最新结果证明了其在高分辨率雷达目标估计和成像中的可行性[2,10,14,15,17,19,23,29,30,32-34]。 但是，信号恢复被简化为对方程的欠定线性系统寻求稀疏解。 这可能非常困难，因为即使找到近似真实最小值的解决方案也是NP-hard。 在本文中，我们引入了Memetic算法（MA）来解决该非凸l（0）-范数最小化问题，并设计了一种压缩接收机，用于多个雷达目标的高分辨率距离反射率估计。 提出了一种双种群MA，其中使用位置总体评估范围，使用系数总体实现目标反射率的

  3. 所属分类：其它

  1. CARD模型参数估计问题的部分稀疏解决方案

  2. 通过计算线性反问题的部分稀疏解，实现了典范自回归分解（CARD）模型的参数估计。 通过构造一个超完备的字典，可以证明正弦曲线的解是稀疏的，而有色噪声的解则不是。 为了得出解决方案，提出了一种交替优化算法，称为部分稀疏解决方案算法（PSSA）。 PSSA通过基准选择方法初始化，并在正弦波估计和有色噪声之间交替更新。 在更新正弦波估计时，采用分集最小化作为成本函数的标准。 关于彩色噪声的估计，使用最大似然（ML）标准。 几个数值例子证实了PSSA的有效性和优越性。 首先，将基础选择方法推广到彩色噪声

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：540kb
    • 提供者：weixin_38551143

  1. 基于联合正则化的稀疏磁共振图像重构

  2. 基于压缩感知的MRI图像重构是利用图像稀疏性，从数量非常有限的观测数据集合中重构出图像，通常L1范数能够产生稀疏解， 但它往往与真实稀疏解（L0的解）差距甚大，重构效果不理想，而且在一些图像重构的应用中，单一正则项的作用有限并不能很好地完成复原任务。针对此问题，引入待重构图像的L1/2范数作为新正则项，与TV范数构成联合正则项，采用交替增广拉格朗日乘子法进行求解。为考察方法的稳定性和重构效果，结合不同参数等评价标准与现有的图像重构模型进行比较。实验结果表明，联合正则项的图像重构模型相对于原有模型

  3. 所属分类：其它

  1. 一种基于密度的局部搜索NSGA2算法

  2. 针对局部搜索类NSGA2算法计算量大的问题,提出一种基于密度的局部搜索NSGA2算法(NSGA2- DLS).使用解的密度衡量解的稀疏度,并将当前非支配解中稀疏度最小的解定义为稀疏解,每次遗传过程在稀疏解周围进行局部搜索.在局部搜索过程中,同时采用极限优化策略和随机搜索策略以提高解的质量和收敛速度.对ZDT系列函数和DTLZ系列函数进行仿真实验并与标准NSGA2算法、一种局部随机搜索算法和一种定向搜索算法进行比较,结果表明,NSGA2-DLS在消耗计算量和优化效果方面均优于对比方法.

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：238kb
    • 提供者：weixin_38603924