图像稀疏理论及其应用初步研究

图像稀疏表示是指用很少的数据捕获感兴趣目标的重要信息的能力,通过基或字典中很少量元素的线性组合的形式来描述信号.图像稀疏表示研究已成为近年来图像表示研究的热点.本文系一文献综述,主要阐述了信号稀疏表示和图像稀疏表示的基本理论及其在压缩方面的应用,并且介绍了一种新的稀疏性正则化的泊松噪声图像去噪算法.     

基于低秩和一维稀疏矩阵分解的多通道SAR-GMTI方法

多通道合成孔径雷达地面运行目标指示(synthetic aperture radar-ground moving target indicator,SAR-GMTI)系统的数据按一定方式重组并处理后,可认为是由表示地杂波的低秩矩阵、表示运动目标的稀疏矩阵和表示噪声的矩阵这3部分组成.但已有的基于矩阵分解的GMTI方法,...     

Age Touches a Nerve

Philipp Khaitovich works in Shanghai, a city that is developing at a pace as dramatic as his research field. At the CAS-MPG Partner Institute for Computational Biology, the molecular biologist is investigating how the different brain development of primates is linked to their age.     

Towards understanding residual and dilated dense neural networks via convolutional sparse coding

Convolutional neural network (CNN) and its variants have led to many state-of-the-art results in various fields. However, a clear theoretical understanding of such networks is still lacking. Recently, a multilayer convolutional sparse coding (ML-CSC) model has been proposed and proved to equal such simply stacked networks (plain networks). Here, we consider the initialization, the dictionary design and the number of iterations to be factors in each layer that greatly affect the performance of the ML-CSC model. Inspired by these considerations, we propose two novel multilayer models: the residual convolutional sparse coding (Res-CSC) model and the mixed-scale dense convolutional sparse coding (MSD-CSC) model. They are closely related to the residual neural network (ResNet) and the mixed-scale (dilated) dense neural network (MSDNet), respectively. Mathematically, we derive the skip connection in the ResNet as a special case of a new forward propagation rule for the ML-CSC model. We also find a theoretical interpretation of dilated convolution and dense connection in the MSDNet by analyzing the MSD-CSC model, which gives a clear mathematical understanding of each. We implement the iterative soft thresholding algorithm and its fast version to solve the Res-CSC and MSD-CSC models. The unfolding operation can be employed for further improvement. Finally, extensive numerical experiments and comparison with competing methods demonstrate their effectiveness.     

基于四元数域总变差方法的压缩感知彩色图像重建算法(英文)

提出了一种基于四元数域总变差方法的彩色图像压缩感知重建算法,该算法可有效提高彩色图像的重建能力.首先,将彩色图像从RGB空间转换到CMYK空间,并将CMYK空间的各个分量赋值给一个四元数矩阵.同时通过四元数的欧拉形式,将四元数矩阵转换为幅度和相位的信息.然后,为了完善重建的结果,将四元数矩阵的幅度和相位作为压缩感知优化方程新的平滑约束项.最后,用基于梯度的迭代算法来求解压缩感知优化方程.实验结果表明,所提出的算法考虑了幅度和相位的信息,比现有的将彩色图像的3个分量当作独立分量的算法效果好.     

荀子《劝学》的另类解读——为未来创业者做思想上的准备

《：劝学》一直被认为是激励青年人进步、努力学习的历史名篇,也是语文课的典范之作,在各个阶段的学习中都有体现,如中学、大学、中职、高职等院校和阶段都能看到其身影。同时绝大多数都是从修辞、语法、内容等方面去解读。在今天这样一个复杂的国际、国内市场经济、国际关系和国际政治的大背景下,不妨用科学发展观和与时俱进的视角和观点去解读《劝学》,或许别有一番滋味和意义,对于要创业要发展的中职学生乃至大学生或有借鉴意义。     

基于主成分的稀疏贝叶斯信用分类研究

针对传统信用评价方法分类精度较低、数据集属性变量间存在相关性等问题,提出基于主成分分析的稀疏贝叶斯学习（PCA-SBL）算法。首先对数据集特征变量进行主成分分析,使降维后的变量无相关性|其次,对主成分分析后的数据进行稀疏贝叶斯分类|最后将 PCA-SBL 分类方法分类精度与传统分类方法精度进行比较。分析发现,在 German Credit Data 和 Australian Credit Data 上,与传统 KNN、朴素贝叶斯、SVM、随机森林、决策树相比,改进的 SBL 算法分类精度平均提高了 5.26%、4.65%、2.11%、2.125%、4.66%,与稀疏贝叶斯学习算法（SBL）相比,平均提高 0.965%,从而证明 PCA-SBL 算法具有更高的分类效果。     

基于双流卷积神经网络的时序动作定位

为提高三维卷积神经网络对时序动作定位的识别效率和准确率,提出一种基于双流卷积神经网络的多阶段时序动作定位模型。该模型首先运用多尺度分割生成视频段,然后依次通过建议网络选择建议区域、分类网络作为定位网络的初始化,最后通过定位网络和非极大值抑制识别动作类别和动作起止时间。其中,建议网络、分类网络、定位网络使用稀疏采样的时序分割网络进行训练。实验证明,该模型可以有效进行时序动作定位,比目前较好的 S-CNN 网络获得了更好效果。     

疏绕通流螺线管轴线上的轴向磁场分布规律

对有限长疏绕通流螺线管在轴线上的轴向磁场分布进行了解析计算,发现沿轴线等螺距绕线的情况下,通流线圈轴线上的轴向磁场分布特征与螺线的疏密程度无关,只由螺线管的几何参数决定．