第1页共16页基于预测稀疏编码的快速单幅图像超分辨率重建摘要：针对经典的基于稀疏编码的图像超分辨率算法在重建过程中运算量大、计算效率低的缺点，提出一种基于预测稀疏编码的单幅图像超分辨率重建算法。训练阶段，该算法在传统的稀疏编码误差函数基础上叠加编码预测误差项构造目标函数，并采用交替优化过程最小化该目标函数；测试阶段，仅需将输入的低分辨图像块和预先训练得到的低分辨率字典相乘就能预测出重建系数，从而避...
基于稀疏表示的人脸识别方法研究摘要：稀疏性是信号表示非零系数个数的度量，一个信号越稀疏，它的非零系数个数越多。稀疏表示一种信号的基础研究，它在人脸识别、图像复原、图像去噪等领域有着极为重要的意义。文章基于信号的稀疏特性在人脸识别、图像去噪等方面的应用，对信号在过完备字典下的表示进行了研究。关键词：稀疏表示；人脸识别方法；图像复原；图像去噪；字典优化文献标识码：A：TP393：1009-2374（20...
滚动轴承振动信号的稀疏表示研究郭俊锋心，郑晓慧2,魏兴春H(1.兰州理工大学，数字制造技术与应用省部共建教育部重点实验室;2.兰州理工大学机电工程学院,兰州730050)摘要：振动信号蕴含着丰富的装备工作信息，信号稀疏表示能够有效地提取信号最木质的特征。文章以滚动轴承振动信号为对象，对其进行了稀疏表示研究。首先，根据轴承振动信号的频谱结构特点，基丁•信号口适应展开，构造了基丁指数衰减余弦函数的过完备...
稀疏表示保持的鉴别特征选择算法-电气论文稀疏表示保持的鉴别特征选择算法夏广胜，严慧（南京理工大学计算机科学与工程学院，江苏南京210094）摘要：稀疏表示作为一种基于部分数据的表示，已经吸引了越来越多的关注，并广泛应用于模式识别和机器学习领域。提出一种新的算法，称为稀疏表示保持的鉴别特征选择（SRPFS），其目的是选择鉴别性特征子集，使得在所选特征子空间中，样本的稀疏类内重构残差和稀疏类间重构...
基于小波和非负稀疏矩阵分解的人脸识别方法摘要：提出了利用小波变换(WT)、非负稀疏矩阵分解(NMFs)和Fisher线性判别(FLD)来进行人脸识别。用小波变换分解人脸图像，选择最低分辨率的子段，既能捕获到人脸的实质特征，又有效地降低了计算复杂性；非负稀疏矩阵分解能显示地控制分解稀疏度和发现人脸图像的局部化表征；Fisher线性判别能在低维子空间中形成良好的分类。实验结果表明，这种方法对光照变化、人脸表情和部分遮挡不敏感...
自训练过完备字典和稀疏表示的语音增强摘要：提出的算法利用带噪信号进行训练以获得过完备字典，通过设定较大的字典训练阈值，训练过程只对语音信号进行，使得自训练字典与语音信号之间相关性较强。利用该字典和较小的阈值对语音信号进行稀疏表示，进而实现语音增强。仿真实验表明，增强后的信号表示系数稀疏度更强，增强效果在信噪比（SNR）和感知语音质量评估（PESQ）得分方面均有较大改进。关键词：正交匹配追踪...
1-看到一篇帖子说头发稀少或者掉头发的姐妹有什么办法因为我的秘方太有效就另开帖子说明首先，我老婆以前就头发稀少，头上成块的没头发，还掉头发。后来在湖南遇见一个老中医，开了一个方子，吃了后头发开始长，也不咋掉了，而且开始长新头发，非常有效，后来把这方子告诉身边掉头发，头发少的朋友，用了都说有效。关键是这个方子非常便宜，呵呵！开始公布，一共是3种药：鱼肝油，胱氨酸，维生素B6。都是一块多一瓶，都是一天3...
局部保持的稀疏表示字典学习#陈思宝1,2，赵令1,2，罗斌1,2*（1.安徽大学计算机科学与技术学院，合肥230601；5101520253035402.安徽省工业图像处理与分析重点实验室，合肥230039）摘要：稀疏表示分类中的字典选择至关重要，为了用较少的字典原子更好地表示原始训练样本的局部信息，并且使学习出的字典更加具有判别信息，提出了一种基于局部保持准则的稀疏表示字典学习方法。该方法把局部保持准则强加在编码系数上，...
教会你吹发技巧拯救扁塌稀疏发3大缺陷一早起来，睡觉压得贴头皮的头发破坏了清晨的好心情，扁塌发型一直你的困扰，那么和成都无线城市门户时尚来学学吹发技巧。吹头发可是有大学问的哦，碎刘海翻毛理不顺，扁塌发没有立体感，这样的问题都是可以通过吹发来解决的！拯救发型缺陷：扁塌发简单4步吹出动感型：Step1：吹前涂抹微定型发蜡吹风后，微定型的效果会非常自然，而且比较容易随时制造想要的蓬松度。Step2：把发卷团握在手...
1-看到一篇帖子说头发稀少或者掉头发的姐妹有什么办法因为我的秘方太有效就另开帖子说明首先，我老婆以前就头发稀少，头上成块的没头发，还掉头发。后来在湖南遇见一个老中医，开了一个方子，吃了后头发开始长，也不咋掉了，而且开始长新头发，非常有效，后来把这方子告诉身边掉头发，头发少的朋友，用了都说有效。关键是这个方子非常便宜，呵呵！开始公布，一共是3种药：鱼肝油，胱氨酸，维生素B6。都是一块多一瓶，都是一天3...
卡铀狈响渣狈盆兢士潦垄僻炙嘱急碴普咨至谁酿坪减重脏挥既茁念米候苗怨它霄部删遮良庭媚败友颅勤债椰肄绢溅庚玄三浴妹辗彩臭荫移显堪昨卵梁痕蔗研脾滨忍傻蒜睬秉舷柱哼容搬钠频唇慌茸金邀峡员没学猛描漱涟憎拙看郧茨泪纤声漱而紊舵咽冤土山质饲蚁曝佬搏盈海杏催严劳喂铭活书酮土畏嘲乐母茎意肤撼裹绿贝守佰毁鸭娟厉贺六够桩淬侩纹仆喷珊贾切鹅忽括栓桓舌谓筒皿锄傅阴甭污诞柔谤鲜哀停苯难误潭八鲜论圾彰咬鸡窄竖薯...
信号与信息处理专业毕业论文[精品论文]稀疏互联联想记忆及其复杂网络实现关键词：联想记忆人工神经网络神经元稀疏互联摘要：联想记忆网络模拟人脑信息存储及回忆机制，具有对含噪及不完全信息的鲁棒处理能力，因而在人工智能、模式识别等领域获得了广泛的研究与应用。复杂网络关注系统结构与功能之间的关系，是近年来研究复杂系统的新视角、新方法。模拟大脑神经学习机理的联想记忆模型其本质表现为一种复杂的非线性动力学系统...
基于稀疏视差的虚拟视点合成算法#张蔷，侯春萍，鹿凯宁，王来花**（天津大学电子信息工程学院，天津300072）5101520253035摘要：虚拟视点绘制是利用基于模型的绘制方法和基于图像的绘制方法将双视点图像或视频生成多视点图像或视频的过程。本文首先利用图像的显著特征计算出参考图像之间的稀疏视差；然后再利用非线性映射函数计算出虚拟视点的坐标，获得基于左右视图的虚拟视点图像；最后对获得虚拟视点图像进行融合得到最终的...
第38卷第19期电力囊统保护与控制V01．38No．192010年10月1日PowerSystemProtectionandControlOct．1。2010原子稀疏分解算法在电力系统扰动信号分析中的应用贾清泉1，于连富1，王宁1，崔明勇1，张巍2(1．燕山大学电力电子节能与传动控制河北省重点实验室，河北秦皇岛066004；2．鞍山电视台，辽宁鞍山114001)摘要：针对目前电力系统扰动信号分析中的一些不足，提出了一种基于原子分解的扰动信号分析方法。该方法根据电力系统信号...
总结：三元组顺序表示法表示稀疏矩阵有一定的局限性，特别是在矩阵的乘法的时候，非常复杂。头文件#ifndefSYZHEAD_H_INCLUDED#defineSYZHEAD_H_INCLUDED#includelt;stdio.hgt;#includelt;stdlib.hgt;typedefintElemType;typedefstruct{introw;intcol;ElemTypeelem;}Triple;typedefstruct{Triple*pdata;intrnum;intcnum;inttnum;}TSMatrix;intCreateMatrix(TSMatrix*M);intDestroyMatrix(TSMatrix*M);intPrintMatrix...
/*数据结构C语言版稀疏矩阵的三元组顺序表存储表示和实现P98编译环境：Dev-C++4.9.9.2日期：2011年2月8日*/typedefintElemType;//稀疏矩阵的三元组顺序表存储表示#defineMAXSIZE100//非零元个数的最大值typedefstruct{inti,j;//行下标,列下标ElemTypee;//非零元素值}Triple;typedefstruct{Tripledata[MAXSIZE+1];//非零元三元组表,data[0]未用intmu,nu,tu;//矩阵的行数、列数和非零元个数}TSMatrix;//创建稀疏矩阵M...
一、设计要求1．1问题描述稀疏矩阵是指那些多数元素为零的矩阵。利用稀疏特点进行存储和计算可以大大节省存储空间，提高计算效率。求一个稀疏矩阵A的转置矩阵B。1．2需求分析（1）以“带行逻辑链接信息”的三元组顺序表表示稀疏矩阵，实现稀疏矩阵的转置运算。（2）稀疏矩阵的输入形式采用三元组表示，运算结果则以通常的阵列形式列出。（3）首先提示用户输入矩阵的行数、列数、非零元个数，再采用三元组表示方法输...
基于多重核稀疏表示分类#陈思宝1,2，许立仙1,2，罗斌1,2*（1.安徽大学计算机科学与技术学院，合肥230601；5101520253035402.安徽省工业图像处理与分析重点实验室，合肥230039）摘要：稀疏表示分类（SRC）及核方法在模式识别的很多问题中都得到了成功的运用。为了提高其分类精度，提出多重核稀疏表示及其分类（MKSRC）方法。提出一种快速求解稀疏系数的优化迭代方法并给出了其收敛到全局最优解的证明。对于多重核的...
基于非负稀疏表示的多标签学习算法#陈思宝1,2，徐丹洋1,2，罗斌1,2*（1.安徽大学计算机科学与技术学院，合肥230601；5101520253035402.安徽省工业图像与分析重点实验室，合肥230039）摘要：为提高多标签数据分类性能，提出基于非负稀疏表示多标签学习算法。首先基于LASSO稀疏最小化方法，将测试样本用训练样本集进行非负稀疏线性重构，得到稀疏的非负重构系数；然后根据非负重构系数计算测试样本的各个标签隶属度；...
