检索结果-内蒙古大学图书馆

纺织高校基础科学学报 2018年第2期31卷 253-260页

作者：张倩李海洋西安工程大学理学院陕西西安710048

为了解决迭代软阈值算法(ISTA)收敛速度较慢,得到的最优解不够稀疏等问题,提出基于梯度算法思想的改进ISTA,即SFISTA.该算法修改了ISTA迭代式中的梯度算子,使得迭代点x^(n+1)的求解同时依赖于前两步的迭代.将SFISTA应用于稀疏信号处理... 详细信息

为了解决迭代软阈值算法(ISTA)收敛速度较慢,得到的最优解不够稀疏等问题,提出基于梯度算法思想的改进ISTA,即SFISTA.该算法修改了ISTA迭代式中的梯度算子,使得迭代点x^(n+1)的求解同时依赖于前两步的迭代.将SFISTA应用于稀疏信号处理及稀疏主成分分析实验中,结果表明,该算法不仅提高了ISTA的收敛速度,也促进了最优解的稀疏度.

关键词：迭代软阈值算法梯度算子稀疏信号处理稀疏主成分

来源：评论

学校读者我要写书评

暂无评论

穿墙雷达墙体与目标回波信号学习分离方法

引用

雷达科学与技术 2022年第3期20卷 289-296,310页

作者：卞粱晋良念刘庆华桂林电子科技大学信息与通信学院广西桂林541004 广西无线宽带通信与信号处理重点实验室广西桂林541004

在穿墙雷达成像中,事先有效分离墙体回波与目标信号,可以避免它们在后续的建筑物布局反演和内部目标成像中的相互影响。然而,现有的稀疏分离方法往往需要人工选择阈值参数,在一定程度上影响了分离效果,为此提出一种墙体回波与目标信号... 详细信息

在穿墙雷达成像中,事先有效分离墙体回波与目标信号,可以避免它们在后续的建筑物布局反演和内部目标成像中的相互影响。然而,现有的稀疏分离方法往往需要人工选择阈值参数,在一定程度上影响了分离效果,为此提出一种墙体回波与目标信号的学习分离方法。该方法将两信号的分离视为一种联合低秩-稀疏约束问题,使用迭代软阈值分离算法求解稀疏解,然后把稀疏解的迭代过程映射成多层神经网络中的每一层,并用数据集自适应训练所有层中的阈值参数。仿真和实测数据处理结果表明,该方法与人工选择阈值参数相比,有效提高了墙体与目标回波信号的分离效果。

关键词：阈值参数联合低秩-稀疏约束迭代软阈值算法神经网络

来源：评论

学校读者我要写书评

暂无评论

基于ISTA的混合激励EMT金属探伤系统研究

引用

机电工程 2020年第12期37卷 1393-1399页

作者：孙春光何敏曾星星冯肖维上海海事大学物流工程学院上海201306

针对EMT金属结构探伤中传统传感器结构和算法的图像重建质量不佳问题,对EMT探伤系统的激励方式和图像重建算法进行了研究。通过分析EMT采集数据的原理,设计了混合激励的6线圈传感器,比较了混合激励与单独激励的检测数据量;根据EMT技术... 详细信息

针对EMT金属结构探伤中传统传感器结构和算法的图像重建质量不佳问题,对EMT探伤系统的激励方式和图像重建算法进行了研究。通过分析EMT采集数据的原理,设计了混合激励的6线圈传感器,比较了混合激励与单独激励的检测数据量;根据EMT技术的数学模型,得到了感应电压与电导率分布之间的关系,构造了混合激励下的灵敏度矩阵;分析了常规EMT图像重建算法的不足,根据金属缺陷的非平滑特征,引入了基于小波变换的迭代软阈值算法;以ANSYS Maxwell软件为仿真平台,采用单独激励和混合激励对不同形状缺陷进行了实验,并使用不同算法获得了重建图像;设计了一套基于迭代软阈值算法的混合激励EMT探伤系统,使用了两种激励方式采集不同缺陷的数据,对比了Tikhonov正则化算法,改进了Landweber迭代算法和迭代软阈值算的图像重建效果。研究结果表明:混合激励的成像效果优于单独激励;在混合激励下,ISTA的图像重建质量要好于其他两种算法。

关键词：电磁层析成像 Landweber迭代算法 Tikhonov正则化算法迭代软阈值算法金属探伤

来源：评论

学校读者我要写书评

暂无评论

基于重加权快速交替方向法的频谱感知

引用

计算机工程 2014年第1期40卷 6-10页

作者：田美刘绪杰朱翠涛中南民族大学电子信息工程学院武汉430074

在认知无线电网络中,由于深衰落和低信噪比的影响,单个认知用户的宽带频谱检测性能较差,且算法复杂度较高。针对该问题,提出一种基于重加权快速交替方向法的频谱感知算法。利用目标函数的凸性,通过求导简化辅助变量的更新过程。对目标... 详细信息

在认知无线电网络中,由于深衰落和低信噪比的影响,单个认知用户的宽带频谱检测性能较差,且算法复杂度较高。针对该问题,提出一种基于重加权快速交替方向法的频谱感知算法。利用目标函数的凸性,通过求导简化辅助变量的更新过程。对目标函数进行线性化处理,增加一个二次项,使待估变量更新时部分项线性化的增广拉格朗日函数成为严格凸函数,并使用迭代软阈值算法进行求解。在目标项中增加大权值抑制信号中的非零元素,获得接近于最小?0范数的解。实验结果表明,该算法能有效提高低信噪比环境下的检测概率和检测速度。

关键词：认知无线电压缩感知频谱检测交替方向法迭代软阈值算法拉格朗日乘子

来源：评论

学校读者我要写书评

暂无评论

基于非凸函数惩罚因子的高维变量选择方法研究

基于非凸函数惩罚因子的高维变量选择方法研究

引用

作者：张倩西安工程大学

学位级别：硕士

近年来生物信息、图像处理、金融管理等领域产生的大量高维数据使得传统的变量选择方法存在计算量大和稳定性差等不足,因此寻找更为高效的高维变量选择方法刻不容缓.惩罚因子法是较为流行的可以较好处理高维变量选择的方法,其在选择变... 详细信息

近年来生物信息、图像处理、金融管理等领域产生的大量高维数据使得传统的变量选择方法存在计算量大和稳定性差等不足,因此寻找更为高效的高维变量选择方法刻不容缓.惩罚因子法是较为流行的可以较好处理高维变量选择的方法,其在选择变量的同时估计系数,即在估计参数时,通过将部分系数压缩到零来实现变量选择.由于现有的惩罚因子大多是凸函数,导致该方法存在数据的大量冗余难以去除、稀疏尺度的位置难以区分等不足.为了克服上述不足,本文主要研究基于非凸函数惩罚因子的高维变量选择方法,主要研究内容如下:(1)研究了将非凸函数-分式函数作为惩罚因子的高维变量选择方法.首先证明了正则化模型与原模型的等价性并研究了正则化模型最优解的一阶和二阶最优条件及其非零元素绝对值的上下界.然后基于阈值表示理论对正则化模型设计了求解算法-FP阈值算法.(2)给出了一种新的基于非凸函数惩罚因子的高维变量选择算法.通过构造一个收缩算子,并利用邻近算子理论得到了一个非凸的惩罚因子.然后应用向前-向后分裂方法求解其对应模型,得到了迭代分式阈值算法(IFTA),并证明了该算法的收敛性.(3)一种改进的高维变量选择方法.针对LASSO模型的求解算法-迭代软阈值算法(ISTA)收敛速度较慢的不足进行了改进,使其在计算下一步迭代点时同时依赖于前两步的迭代点,得到了SFIST算法.实验结果表明,SFISTA比ISTA更快的趋向最优解,并且得到的最优解也更稀疏.

关键词：高维变量选择惩罚因子阈值表示理论迭代软阈值算法

来源：评论

学校读者我要写书评

暂无评论

ISTA算法原理及在稀疏正则化约束反问题的推广

引用

西华师范大学学报（自然科学版） 2020年第3期41卷 261-267页

作者：代荣获尹成张繁昌西华师范大学数学与信息学院四川南充637009 西南石油大学地球科学与技术学院成都610500 中国石油大学(华东)地球科学与技术学院山东青岛266580

目前,迭代软阈值算法(ISTA)在图像处理、信号分析与处理、压缩感知、地球物理反演等众多数学物理反问题领域中得到了广泛的应用。其求解的问题是1范数正则化约束的反问题目标函数。但将ISTA算法的基本原理推广到数学物理反问题中常用的... 详细信息

目前,迭代软阈值算法(ISTA)在图像处理、信号分析与处理、压缩感知、地球物理反演等众多数学物理反问题领域中得到了广泛的应用。其求解的问题是1范数正则化约束的反问题目标函数。但将ISTA算法的基本原理推广到数学物理反问题中常用的其他稀疏性约束方法是一个待解决的问题。为此,本文首先详细介绍了ISTA的方法原理及公式推导。并在此基础上给出了数学物理反问题中常用的柯西正则化约束、加权1范数约束、log-稀疏约束的目标函数的ISTA算法求解步骤。最后对ISTA算法在反问题求解中的进一步发展做了一些建议。

关键词：迭代软阈值算法柯西正则化约束加权1范数约束 log-稀疏约束

来源：评论

学校读者我要写书评

暂无评论

基于L1加权压缩感知下的车辆分类

引用

电脑知识与技术 2019年第2X期15卷 162-164页

作者：龚火青广东工业大学信息工程学院广东广州510006

压缩感知在信息技术和信号处理领域引起了广泛关注,因为它提供了一种替代的,无冗余的信号压缩和重建方法。它利用信号的"稀疏性"来对序列进行欠采样并重建,而不添加由Shannon-Nyquist采样定理建立的混叠噪声。然而,由于使用... 详细信息

压缩感知在信息技术和信号处理领域引起了广泛关注,因为它提供了一种替代的,无冗余的信号压缩和重建方法。它利用信号的"稀疏性"来对序列进行欠采样并重建,而不添加由Shannon-Nyquist采样定理建立的混叠噪声。然而,由于使用非线性重建多项式,重建方法是昂贵的。本文为了增强声信号源在变换域中的稀疏性,提出一种L1-加权迭代软阈值算法(L1-IST),并与现有的稀疏信号恢复方法,压缩采样匹配追踪(CoSaMP)与迭代软阈值算法(IST)进行了比较,最后利用L1-IST对具有声信号源的车辆进行分类。以奈奎斯特速率的一半对信号进行采样,然后使用L1-IST进行重建。从多个变换域中提取诸如信号的均值,方差,偏度和峰度的各种特征。从重建信号中提取的特征被馈送到KNN分类器,该分类器将目标信号分类为自行车、汽车、拖拉机或卡车。

关键词：压缩感知 CoSaMP算法 L1加权迭代软阈值算法 K近邻算法

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：