公共文化服务平台

搜索到3591篇“ 字典学习“的相关文章

联合多元变分模态分解和字典学习的GNSS接收机阵列抗干扰方法: 本发明属于通信技术，特别涉及一种联合多元变分模态分解和字典学习的GNSS接收机阵列抗干扰方法，包括：阵列接收信号经过多元变分模态分解后获得各个固有模态分量，并经过有效模态选取后，重构出无噪信号；利用无噪信号进行字典学习，...; 蒲旭敏李森洋王可豪

联合上下行字典学习和信道估计方法及装置: 本发明提供一种应用于大规模天线系统的联合上下行字典学习和信道估计方法及装置，包括：基于非凸双时间尺度随机优化问题对应的第一目标函数，对上下行接收信号进行联合上下行的字典学习和信道估计，确定稀疏编码向量，以及更新上下行字典...; 滕颖蕾赵杨柳刘安满毅张勇郭达胡聪颖蔚亚鑫王炳晖李朋霖

基于多层级逼近式字典学习的快速图像分类方法: 本发明公开了基于多层级逼近式字典学习的快速图像分类方法：S1、选取图像数据集；S2、对图像进行预处理，生成图像样本集；S3、构建监督式字典学习模型；S4、采用拉普拉斯特征映射对稀疏系数进行局部不变性约束；S5、引入类内差...; 吕文涛靳文哲

一种基于类内差异抑制性字典学习的图像分类方法: 本发明公开了一种基于类内差异抑制性字典学习的图像分类方法：S1、选取图像数据集；S2、采用特征提取方法对图像进行预处理，生成图像样本集；S3、构建监督式字典学习模型；S4、构建类别标签矩阵；S5、利用样本数据构建拉普拉斯...; 吕文涛靳文哲

一种基于改进标签一致的多通道空中笔势字典学习方法: 本发明涉及一种基于改进标签一致的多通道空中笔势字典学习方法，属于人机交互技术领域。采集并获取表征多类笔势动作的多通道数据，对数据进行数据预处理，构建基于改进标签一致的多通道空中笔势字典学习模型，输入训练集训练模型并通过测...; 燕学智刘强孙晓颖陈建王庆龙王郁夫

一种基于判别卷积字典学习的机织物纹理重构与分类方法: 本发明涉及一种基于判别卷积字典学习的机织物纹理重构与分类方法，首先将含有不同类样本的机织物纹理图像训练集中所有的机织物纹理图像进行低通滤波操作，提取其高通分量<IMG width="63" orientation="po...; 占竹张磊魏祺煜辛斌杰汪军李立轻

基于判别字典学习的刀具磨损状态分类: 2025年; 传统的数据驱动刀具磨损状态分类依赖于特征的提取与选择,极大影响分类性能。为了实现自动提取刀具磨损状态对应的特征,提出一种基于判别字典学习的刀具磨损状态分类模型(DDLC),此模型联合用于稀疏表示的判别字典和用于模式识别的线性分类器,模型的结构简单、复杂度低、准确率高。在训练阶段,为了增强字典学习的可判别性,在字典学习过程中引入判别稀疏编码误差、重构误差和分类误差,建立了统一的字典学习优化目标。同时将多方向力进行数据级融合作为模型的输入信号。与其他经典的刀具磨损状态监测模型进行比较,所提模型的准确率和F1分数分别为98.46%和97.62%,证明了DDLC方法在刀具磨损状态分类方面的有效性和优越性,其检测精度满足实际加工需求,为刀具磨损状态监测提供了一种新方法。; 罗长源袁德志李申申朱锟鹏; 关键词：数据融合

针对用于信道估计的字典学习技术的信令: 描述了用于进行无线通信的方法、系统和设备。用户装备(UE)可以使用稀疏恢复技术来生成针对该UE与网络实体之间的多个信道的一个或多个信道估计。该一个或多个信道估计可以基于使用定向波束集合的一个或多个测量。该UE可以基于使用...; H·佩泽什基A·贝赫博迪M·塔海尔扎德博鲁杰尼骆涛P·加尔李乔羽厉隽怿W·南

基于结构化字典学习的判别稀疏微波成像方法: 2025年; 基于字典学习的合成孔径雷达(synthetic aperture radar,SAR)稀疏微波成像方法面对多类别目标时,字典中存在冗余信息导致成像准确性降低,针对此问题提出一种基于结构化字典学习(structured dictionary learning,SDL)的判别稀疏微波成像方法。首先,利用SDL面向多类别目标训练获得包含多个子字典的结构化字典,每个子字典对应特定类别目标。其次,结合结构化字典构建判别稀疏微波成像模型,处理过程中根据不同子字典对目标的表征误差进行判别。最后,根据判别结果选择对应类别子字典进行成像。实验结果表明,与现有的成像方法相比,所提算法在降采样的条件下能够更好地抑制伪影模糊,提高成像的准确性。; 孟洋周国如李洁张冰尘; 关键词：合成孔径雷达

基于张量字典学习的高光谱图像稀疏表示分类: 2025年; 高光谱图像因其蕴含十分丰富的光谱和空间信息已被广泛应用于生产生活的各个领域。为了充分挖掘高光谱图像中蕴含的光谱和空间信息,从高光谱数据固有的三维属性出发,以空-谱张量为基本处理单元,提出一种基于张量字典学习的稀疏表示分类(Tensor-DLSRC)算法,以提高高光谱图像分类精度。首先,构建以像素及其空间邻域像素光谱向量组成的像素空-谱张量;其次,将作为训练样本像素的空-谱张量按照不同维度展开成矩阵,并以其列向量均值作为字典原子组成初始化张量字典;同时,在张量稀疏性约束条件下构建张量稀疏表示(Tensor-SR)模型,并利用张量字典学习算法学习一组能够精确刻画该类张量空-谱特征的字靛矩阵;最后,对待分类像素利用Tensor-SR模型求解其空-谱张量的稀疏表示系数张量,根据重构残差最小化原则确定该像素类别。为了分析参数对提出算法分类精度的影响,在进行分类对比实验之前,通过一系列实验分别讨论训练样本数M、邻域窗口尺寸(2δ+1)×(2δ+1)、字典学习阶段的稀疏度μ1和稀疏表示阶段的稀疏度μ2等参数对总体分类精度(OA)的影响。为了验证提出算法的有效性,分别在Indian Pines、Salinas和Xuzhou三个高光谱数据上进行实验,对比分析本算法与基于光谱向量的SRC算法和DLSRC算法、增加邻域空间信息的JSRC算法和DLJSRC算法和基于空-谱张量的Tensor-DLSRC算法等五种算法的分类结果,并采用基于混淆矩阵的平均准确率(APR)、平均精度(PA)、OA和Kappa系数对分类结果定量分析。所提出的Tensor-DLSRC算法在OA和Kappa系数的平均值水平是六种算法中最高的,且具有最小的标准差,说明本算法与五种其他算法相比能够提供更准确且稳定的分类结果。; 宫学亮李玉贾淑涵赵泉华王丽英; 关键词：高光谱图像

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈