低相关性压缩感知表示基学习算法

压缩感知理论作为一种新的信息压缩与采样理论,广泛用于各种信号的压缩与采样.提出一种低相关压缩感知稀疏表示基学习算法,用于实现稀疏投影下的自适应稀疏表示基设计,从而有效提高在稀疏采样压缩情况下的压缩感知数据信号的恢复性能.实验结果表明本文提出的方法可以有效提高数据恢复性能.     

一种新的基于感知字典的稀疏图像重建算法研究

针对已有图像重建算法分辨率低、需要大量计算的问题,本文提出了一种基于感知字典和数据自适应性的稀疏重建算法.首先,针对图像的数据结构,对样本数据进行超完备字典的训练,继而通过针对性的字典对图像进行稀疏重建.同时,为进一步改善算法的重建性能,并充分利用图像的有效信息,本文构造了数据自适应的感知字典.实验表明,该算法在不影响图像重建精确度的前提下可以减少计算复杂度,并具有良好的鲁棒性和较高的效率.     

压缩感知算法分析及其在图像加密中的应用

本研究提出一种基于混沌系统的图像加密方案,并对混沌加密序列进行了改进,使得这种序列具有更好的统计均匀特性,提高了加密图像抗破解攻击的难度.通过实验和理论分析可知,本加密算法满足密码学所需要的混沌与扩展特性.另外算法加解密简单也是算法设计的一个特点,这些特性使得本算法在图像加密和图像传输中具有一定的应用价值.     

基于冗余字典的高光谱图像的稀疏分解

基于冗余字典的稀疏表示方式能够以较少的数据量,更好地描述高光谱图像中的特征信息,是一种更有效的高光谱图像表示方法。根据高光谱图像自身的特点,使用梯度下降法学习冗余字典,首先固定字典,用梯度下降法训练系数;然后固定系数,再用同样的方法训练字典,以上两步交替进行,直到算法收敛;最后将这个字典用于高光谱图像的重构。实验结果表明,该方法获得了良好的重构效果。     

基于变换域的压缩感知快速重构算法

压缩感知是信号处理领域热门研究课题,其应用前提为原信号是稀疏或可压缩的。时域非稀疏信号可以变换为频域稀疏信号,但变换后的信号和传感矩阵表示形式为复数,增加了重构复杂度。为了降低复杂度,提高信号重构效率,提出一种基于实变换的重构算法,该算法将复数形式的稀疏信号和传感矩阵的实部和虚部分离后再参与重构。与传统重构算法相比,该算法改善了重构信号的均方误差,明显缩短了重构时间,极大提高了信号重构效率。     

基于字典学习的医学图像融合

稀疏表示能够有效地表示图像的固有特征,利用KSVD学习算法对30幅自然图像训练得到了鲁棒的字典,利用“滑窗”策略对两幅源图像进行分块,使用OMP算法在字典上对各图像块进行稀疏分解,分解后的系数采用系数绝对值选大法进行融合,进而得到融合后和图像块.理论分析与实验结果表明,该方法能够有效地对已配准的待融合图像进行融合,融合后的结果无论是视觉效果还是客观评价参数均优于文中对比方法的效果.     

基于改进的K-SVD字典学习CT图像重建算法

不完全投影数据图像重建为降低照射剂量提供了一个新的解决方案。在K SVD字典学习算法中,由于选取K SVD算法中的初始化字典对训练得到的自适应字典构造有影响,因此通过引进一个稀疏初始化字典矩阵,使K SVD字典学习算法能更好地适应于稀疏图像重建。在此基础上,提出了一种基于改进的K SVD字典学习和SART重建算法相结合的图像重建算法。实验结果表明,该算法能够在投影数据不完备的情况下准确地重建出图像,同时保留图像的细节分量,提高重建图像的质量,尤其是可以减少由于投影数据不完备而造成的条状伪影现象。     

基于精确字典稀疏表示算法的高光谱图像目标检测

目标检测是高光谱图像处理领域的主要研究内容之一。目前,稀疏表示算法已经在这方面取得了较好的检测效果。但传统的稀疏表示(SR)算法中的字典既包含目标信息又包含背景信息,且比例不确定,导致数据处理难度很大。针对传统稀疏表示(SR)算法的不足,提出了精确字典稀疏表示算法(ADSR)。该算法通过构造仅包含目标信息的目标字典和仅包含背景信息的背景字典,分别求解稀疏向量并恢复稀疏图像,继而利用目标与背景残差值不同这一特性区分图像中的目标与背景。在保证检测精度的同时,减小了数据处理的复杂度,缩短了运算时间。仿真实验将ADSR算法与RX算法、SR算法进行性能比较,证明了改进算法在检测效率上的优势。     

一种求解压缩感知问题的新方法

本文主要研究一种求解压缩压缩感知问题的新算法。通过将压缩感知问题等价转化为新形式的线性互补问题,构建了一种通过求解线性规划来得到最优解的新算法。最后证明了算法的全局收敛性。本文通过数值实验,进一步验证了算法的合理性以及稳定性。     

稀疏长时延水声信道的压缩感知估计(英文)

提出一种基于压缩感知框架下的长时延水声信道估计算法.用传统的自适应算法如最小二乘(LS)算法处理典型的长时延水声信道的估计问题时,会导致其收敛速率下降,即跟踪能力有限,而使用时延多普勒函数则加大了计算量和复杂度.通过训练序列构建一个Toeplitz矩阵作为测量矩阵,将长时延信道估计问题转为压缩感知问题,并利用信道的稀疏结构特性进行稀疏估计.与传统的l1范数或基于指数形式的近似l0范数稀疏恢复策略不同,所提出的是一种新的似l0范数稀算法(简称AL0),该算法通过融合最陡梯度和迭代投影寻优进行求解.仿真与海试数据结果验证了所提算法的优越性.     

基于NTSS和压缩感知的人脸跟踪算法

提出基于NTSS和压缩感知的人脸跟踪算法,采用不同的搜索半径和步长双重采样,运用NTSS搜索方法作为目标的检测方法。通过国际标准的人脸数据库AFW和MALF视频序列进行算法的测试,并使用中心距离均值算法对压缩感知算法和基于NTSS压缩感知的人脸跟踪算法进行比对,得出基于NTSS和压缩感知的人脸跟踪算法最大可降低59. 01%的误差;此外NTSS压缩感知人脸跟踪算法在人脸发生遮挡再跟踪、人脸几何变换和在暗光条件下具有较好的鲁棒性。     

有词典中文分词算法研究

如何从大量文本中切分出有意义的词是人工智能研究内容之一.智能教学辅助系统主要是针对知识点的教学,而知识点也是一个个词.根据试题、课件、教材中的知识点,建立了一个知识点词典,提出了一个有词典的知识点发现算法,能够自动地从中文试题、课件和教材中找出相关知识点,帮助学习者巩固相关知识.算法分析和实验证明,针对专门的智能辅助教学系统,算法降低了查询匹配时间,提高了知识点的召回率、精确率.     

新型混合字典学习算法改进图像超分辨率的研究

目前机器学习算法大都采用单层字典的学习训练设计,现从改进视觉效果、分辨率2个角度,设计了2层字典混合学习算法。采用经典的半耦合字典学习(SCDL)和模糊模型处理结合作为第1层字典学习,第2层则是针对第1层的残余图像进行重构,结合K值聚类以及K-SVD算法设计了第2层字典的训练过程。与经典SCSR、SCDL算法对比实验结果表明:改进算法的峰值信噪比与其他2种算法有了4%左右的提高,提高值在1 d B以上,表明了算法能够一定程度的提高重构图像的分辨率;算法的对比视觉效果看出,改进的算法能够明显改进重构质量,实现了图像视觉效果的改善。由于算法并不是以牺牲算法运算时间、速度为代价,这样其研究结果对于机器学习在图像领域的进一步推广与发展具有一定的参考价值。     

基于自主学习策略的英汉双向电子词典研究

随着信息技术的快速发展,翻译软件在英汉语学习和教学中,以其方便、准确等特点,成为传统词典的有力竞争者。基于自主学习策略开发设计一款英汉双向电子辞典,以个性化学习为指导思想,从而提高英语学习的效率和质量。     

基于压缩感知的织物疵点分类研究

针对织物疵点图像特征,提出了利用压缩感知提取织物疵点特征数据的方法.为了提取到疵点特征,需利用感知波形对图像的数据矩阵进行感知得到特征数据,同时对分类器进行并联设计,继而通过仿真和实验,检测出疵点类型信息.实验表明,该方法能有效地分类出织物疵点的数据信息.     

深度神经网络的快速学习算法

通过分析传统的多层感知器和反向传播算法的不足,设计了一个全新的网络结构SC-MLP和提出了与之对应的全新的学习算法NBP,主要是实现权值的模和固定,这样可以加速训练的速度.在高维数据分类的实证分析中,以手写数字数据库为例,构建了一个深度神经网络,并对比各种训练算法.实验表明,NBP学习算法对于深度神经网络具有良好的学习效果,明显优于传统的反向传播算法,并且在精度上与深度学习算法相当,但是速度快.     

基于词典知识库的快速检索算法研究

目前针对词典查询方法,前人作了大量工作,并形成了许多汉语词典组织结构和相应的查询算法.笔者在前人分析研究的基础上给出更加合理的索引和检索算法.