检索结果-内蒙古大学图书馆

振动．测试与诊断 2021年第5期41卷 919-925,1033页

作者：郭明军李伟光杨期江赵学智广西科技大学机械与汽车工程学院柳州545616 华南理工大学机械与汽车工程学院广州510640 广州航海学院轮机工程学院广州510725

针对实测的主轴位移信号存在噪声污染的问题,提出一种稀疏表征特征提取算法(简称稀疏算法),该算法包括字典集构造和稀疏系数求解两个步骤:根据转子信号的周期性特点构造余弦字典,采用匹配追踪算法根据内积最大原则求解稀疏系数。采用该... 详细信息

针对实测的主轴位移信号存在噪声污染的问题,提出一种稀疏表征特征提取算法(简称稀疏算法),该算法包括字典集构造和稀疏系数求解两个步骤:根据转子信号的周期性特点构造余弦字典,采用匹配追踪算法根据内积最大原则求解稀疏系数。采用该算法对低信噪比仿真信号中的单个频率和多个频率成分分别进行提取,提取信号的波形与对应的理想信号波形几乎完全重合,从而验证了所提算法的有效性。将此稀疏算法用于大型滑动轴承试验台转子的轴心轨迹提纯,效果优于谐波小波算法。采用笔者提出的算法得到的轴心轨迹清晰、集中,成功识别了转子的晃荡以及不对中状态。此外,该算法同样适用于其他旋转机械的状态识别。

关键词：滑动轴承特征提取稀疏表征匹配追踪轴心轨迹

来源：评论

学校读者我要写书评

暂无评论

基于密度模型稀疏表征的重力反演方法

引用

地球物理学报 2021年第3期64卷 1061-1073页

作者：于会臻王金铎王千军中国石化胜利油田分公司勘探开发研究院山东东营257000

重力反演是恢复地下密度空间分布的有效工具,而选择合理的密度模型约束方法是提升重力反演分辨率和可靠性的关键.常规约束方法大多是从剖分网格空间中的密度模型出发,通过调整光滑或稀疏约束权重来匹配反演目标,但当地质体类型多样、异... 详细信息

重力反演是恢复地下密度空间分布的有效工具,而选择合理的密度模型约束方法是提升重力反演分辨率和可靠性的关键.常规约束方法大多是从剖分网格空间中的密度模型出发,通过调整光滑或稀疏约束权重来匹配反演目标,但当地质体类型多样、异常分离不准确及网格剖分方案不合理时,模型约束的合理性与灵活性难以得到有效保证.为此,本文提出了一种基于密度模型稀疏表征的重力反演方法.首先假设待反演的密度模型表征为模型特征矩阵和稀疏分解系数的线性组合,之后重新推导了重力反演目标函数,并给出了分解系数的稀疏求解过程.相比现有重力反演方法,用于构建模型特征矩阵的特征模型可包含不同类型地质体的先验几何信息,分解系数的稀疏性保证了待反演目标来自于最典型的地质模式组合.最后,通过模型试验及实际资料验证了基于密度模型稀疏表征的重力反演方法的有效性.

关键词：稀疏表征重力反演模型特征矩阵稀疏求解算法

来源：评论

学校读者我要写书评

暂无评论

基于Gabor多通道加权优化与稀疏表征的人脸识别方法

引用

电子与信息学报 2011年第7期33卷 1618-1624页

作者：杨清山郭成安金明录大连理工大学信息与通信工程学院大连116023

稀疏表征理论在模式识别中的应用引起广泛的关注。在用稀疏表征方法研究人脸识别问题中,为了使得表征系数矢量具有更为显著的稀疏性,该文提出一种Gabor稀疏表征分类(Gabor Sparse Representation Classification,GSRC)算法,该算法利用Ga... 详细信息

稀疏表征理论在模式识别中的应用引起广泛的关注。在用稀疏表征方法研究人脸识别问题中,为了使得表征系数矢量具有更为显著的稀疏性,该文提出一种Gabor稀疏表征分类(Gabor Sparse Representation Classification,GSRC)算法,该算法利用Gabor局部特征构造字典,增强算法对外界环境变化的鲁棒性。GSRC算法对所有的Gabor特征等同对待,通过进一步考虑不同Gabor特征对识别的不同贡献,该文提出了一种加权多通道Gabor稀疏表征分类(WMC-GSRC)算法,该算法通过引入Gabor多通道模型,提取不同通道的Gabor特征分别构造字典和稀疏表征分类器,在决策级执行分类器的加权融合得到识别结果。通过在ORL,AR和FERET人脸库上的实验结果验证了该文算法的有效性。

关键词：人脸识别稀疏表征 Gabor局部特征字典分类器融合

来源：评论

学校读者我要写书评

暂无评论

基于脉冲卷积神经网络稀疏表征的高分辨率遥感图像场景分类方法

引用

控制与决策 2022年第9期37卷 2305-2313页

作者：张哲益曹卫华朱蕊胡文凯吴敏中国地质大学(武汉)自动化学院武汉430074 复杂系统先进控制与智能自动化湖北省重点实验室武汉430074 地球探测智能化技术教育部工程研究中心武汉430074

遥感图像场景分类对土地资源管理具有重要意义,然而高分辨率遥感图像中地物分布复杂,图像中存在着与当前场景无关的冗余信息,会对场景的精确分类造成影响.对此,提出一种基于脉冲卷积神经网络(SCNN)稀疏表征的场景分类方法.从稀疏表征出... 详细信息

遥感图像场景分类对土地资源管理具有重要意义,然而高分辨率遥感图像中地物分布复杂,图像中存在着与当前场景无关的冗余信息,会对场景的精确分类造成影响.对此,提出一种基于脉冲卷积神经网络(SCNN)稀疏表征的场景分类方法.从稀疏表征出发,利用脉冲神经元的稀疏脉冲输出特性,设计脉冲卷积神经网络,去除遥感图像中与场景无关的冗余信息,实现对图像的稀疏表征;提出基于脉冲输出交叉熵损失函数的反向传播算法,在该算法的基础上利用梯度下降训练脉冲卷积神经网络,优化网络参数,实现遥感图像场景分类;通过实验验证方法的有效性,将所提出方法应用于Google和UCM两个遥感图像数据集,并与传统的卷积神经网络(CNN)进行对比.实验结果表明,所提出方法可以对遥感图像进行稀疏表征,实现场景分类;相对于卷积神经网络,所提出方法在遥感图像场景分类任务上更具有优势.

关键词：高分辨率遥感图像场景分类稀疏表征脉冲卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于离散余弦变换过完备字典的机织物纹理稀疏表征

引用

纺织学报 2018年第1期39卷 157-163页

作者：吴莹汪军周建东华大学纺织学院上海201620 东华大学纺织面料技术教育部重点实验室上海201620 江南大学纺织服装学院江苏无锡214122

为进一步研究基于字典学习的机织物纹理表征算法的稳定性与可比性,提出用离散余弦变换(DCT)过完备字典稀疏表征算法来重构织物纹理图像。重点探讨了稀疏度、子窗口大小、字典个数对纹理表征效果的影响,利用均方根误差和峰值信噪比指标... 详细信息

为进一步研究基于字典学习的机织物纹理表征算法的稳定性与可比性,提出用离散余弦变换(DCT)过完备字典稀疏表征算法来重构织物纹理图像。重点探讨了稀疏度、子窗口大小、字典个数对纹理表征效果的影响,利用均方根误差和峰值信噪比指标对机织物原图与重构图像之间的近似程度进行量化,并确定最终优选的稀疏度为10,子窗口大小为8像素×8像素,字典个数为256。实验结果表明,所提方法不仅方便快捷,还可得到较好的表征效果。此外,其DCT过完备字典峰值信噪比值仅次于基于训练的自适应学习字典,且优于主成分分析和非稀疏表征算法约4 d B。

关键词：机织物纹理离散余弦变换过完备字典稀疏表征主成分分析

来源：评论

学校读者我要写书评

暂无评论

双人交互行为的稀疏表征方法

引用

模式识别与人工智能 2016年第5期29卷 464-471页

作者：陈昌红张杰刘峰南京邮电大学江苏省图像处理与图像通信重点实验室南京210003

提出一种双人交互行为的稀疏表征方法,融合体现全局变化的轨迹特征和突出区域运动的时空特征.首先,采用词袋模型得到轨迹特征的稀疏表示.然后,对提取的时空特征采用三层时空金字塔分解得到多层特征,并对其进行稀疏编码,利用多尺度Maxpoo... 详细信息

提出一种双人交互行为的稀疏表征方法,融合体现全局变化的轨迹特征和突出区域运动的时空特征.首先,采用词袋模型得到轨迹特征的稀疏表示.然后,对提取的时空特征采用三层时空金字塔分解得到多层特征,并对其进行稀疏编码,利用多尺度Maxpooling算法融合得到局部稀疏特征.最后,将2种稀疏特征加权串联得到双人交互行为的稀疏表征.采用基于隐动态条件随机场的识别算法对文中提取的稀疏表征进行验证,通过实验证明其有效性.

关键词：交互行为识别特征融合稀疏表征

来源：评论

学校读者我要写书评

暂无评论

Shearlet多方向自适应加权融合的稀疏表征人脸识别

引用

光电工程 2014年第12期41卷 66-71页

作者：张鸿杰王宪孙子文轻工过程先进控制教育部重点实验室(江南大学) 江苏无锡214122

针对传统稀疏表征分类器只有在训练样本足够多时才会对特征变化不敏感的缺点,提出一种Shearlet多方向自适应加权融合的稀疏表征人脸识别算法。为了提取局部方向信息并降低特征维数,首先利用Shearlet变换对图像进行多尺度、多方向分解,... 详细信息

针对传统稀疏表征分类器只有在训练样本足够多时才会对特征变化不敏感的缺点,提出一种Shearlet多方向自适应加权融合的稀疏表征人脸识别算法。为了提取局部方向信息并降低特征维数,首先利用Shearlet变换对图像进行多尺度、多方向分解,获得子带系数矩阵,然后根据子带系数矩阵方差的大小对同一尺度的方向子图按主方向排序,利用子带系数矩阵的能量和均值特征对排序后的人脸子图进行加权融合,最后为了使得表征系数矢量具有更为显著的稀疏性,进一步利用融合特征构造字典。在ORL、FERET和YALE人脸库中做了多组实验,结果表明,该方法能增强对外界环境变化的鲁棒性,同时可以提高人脸的识别率。

关键词： Shearlet变换稀疏表征多方向加权融合

来源：评论

学校读者我要写书评

暂无评论

基于组稀疏优化的强化学习稀疏表征

引用

华东理工大学学报（自然科学版） 2024年第6期50卷 913-919页

作者：蔡林逸冯翔虞慧群华东理工大学计算机科学与工程系上海200237 上海智慧能源工程技术研究中心上海200237

强化学习由于具有出色的数据效率和快速学习的能力,开始应用于许多实际问题以学习复杂策略。但是高维环境中的强化学习常常受限于维度灾难或者灾难性干扰,性能表现不佳甚至导致学习失败。围绕表征学习,提出了一种符合Lasso类型优化的稀... 详细信息

强化学习由于具有出色的数据效率和快速学习的能力,开始应用于许多实际问题以学习复杂策略。但是高维环境中的强化学习常常受限于维度灾难或者灾难性干扰,性能表现不佳甚至导致学习失败。围绕表征学习,提出了一种符合Lasso类型优化的稀疏卷积深度强化学习方法。首先,对稀疏表征的理论和优势进行综述,将稀疏卷积方法引入深度强化学习中,提出了一种新的稀疏表征方法;其次,对由稀疏卷积编码定义的可微优化层进行了数学推导并给出了优化算法,为了验证新的稀疏表征方法的有效性,将其应用于相关文献常见的基准环境中进行测试。实验结果表明,应用稀疏卷积编码的算法具有更好的性能和鲁棒性,在降低了50%以上模型开销的前提下,取得了相当甚至更优的性能。此外,还研究了稀疏程度对算法性能的影响,结果显示适当的稀疏度能获得更优的性能。

关键词：强化学习灾难性干扰稀疏表征隐式层 Lasso优化

来源：评论

学校读者我要写书评

暂无评论

结合小波变换和稀疏表征的鲁棒人脸识别

引用

计算机工程与科学 2012年第12期34卷 130-133页

作者：罗敏郑明辉湖北民族学院理学院湖北恩施445000 湖北民族学院信息工程学院湖北恩施445000

在人脸识别中,如何消除光照、表情、遮挡等不利因素的影响,提高识别的鲁棒性是当前急需解决的热点研究问题。本文提出了一种基于小波变换和稀疏表征的鲁棒人脸识别方法,首先对人脸图像进行小波变换,将变换得到的4个子带LL、LH、HL、HH... 详细信息

在人脸识别中,如何消除光照、表情、遮挡等不利因素的影响,提高识别的鲁棒性是当前急需解决的热点研究问题。本文提出了一种基于小波变换和稀疏表征的鲁棒人脸识别方法,首先对人脸图像进行小波变换,将变换得到的4个子带LL、LH、HL、HH作为基函数构成字典;然后将测试图像的LL子带在字典上稀疏分解;最后依据重构残差最小原则进行分类识别。在Yale人脸库上的实验结果表明该方法性能优于对比方法。

关键词：人脸识别小波变换稀疏表征正交匹配追踪压缩感知鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表征多分类器融合的遮挡人脸识别

引用

计算机应用研究 2013年第6期30卷 1914-1916,1920页

作者：邓楠徐正光王珺北京科技大学控制科学与工程学院北京100083 西北工业大学电子信息学院西安710072

为了同时利用人脸局部信息,提出一种基于稀疏表征多分类器融合的遮挡人脸识别方法。先对人脸进行多分辨率分块,求取并根据各子块稀疏表征分类器的识别率确定其权重,计算其后验概率估值,最终利用加权融合准则进行多分类器融合识别。在AR... 详细信息

为了同时利用人脸局部信息,提出一种基于稀疏表征多分类器融合的遮挡人脸识别方法。先对人脸进行多分辨率分块,求取并根据各子块稀疏表征分类器的识别率确定其权重,计算其后验概率估值,最终利用加权融合准则进行多分类器融合识别。在AR和YaleA库的实验结果表明,该算法结果比稀疏表征遮挡人脸识别的效果更好,鲁棒性更高。

关键词：人脸识别稀疏表征多分辨率分块多分类器融合过完备字典

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：