版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、近年來,稀疏表示在信號表示領(lǐng)域取得了極大的成功,被廣泛應(yīng)用于模式識別、機器學(xué)習(xí)、計算機視覺、醫(yī)學(xué)成像等領(lǐng)域。它是通過線性表示的方法,在變換域上用盡可能少的原子來逼近原信號,實現(xiàn)信號簡單有效的表示,便于后續(xù)工作的開展。稀疏表示效果的好壞在很大程度上取決于字典的選取,因此具有較強適應(yīng)能力的學(xué)習(xí)型字典備受關(guān)注。本文工作主要是從字典學(xué)習(xí)方法及其在圖像分類中的應(yīng)用這兩個方向展開的,具體工作內(nèi)容總結(jié)如下:
(1)簡單介紹了稀疏表示的數(shù)學(xué)模
2、型,然后根據(jù)稀疏度約束項上的差異,對基于0-范數(shù)的稀疏分解問題和基于1-范數(shù)的稀疏分解問題做了詳細討論。文中還介紹了稀疏表示模型中字典的發(fā)展歷程,并對常見的自適應(yīng)字典學(xué)習(xí)方法做了系統(tǒng)研究。
(2)總結(jié)了自適應(yīng)字典學(xué)習(xí)方法在模式識別領(lǐng)域的發(fā)展,并根據(jù)字典學(xué)習(xí)過程中類別信息融入方式的不同,將面向分類的字典學(xué)習(xí)方法分為兩類:判別性字典學(xué)習(xí)方法和字典、分類器聯(lián)合學(xué)習(xí)方法。
(3)在總結(jié)判別性字典學(xué)習(xí)方法和字典、分類器聯(lián)合學(xué)習(xí)
3、方法的優(yōu)缺點基礎(chǔ)上,在Fisher判別字典學(xué)習(xí)方法中,通過舍棄Fisher判別字典學(xué)習(xí)算法中對系數(shù)的Fisher判別約束項,轉(zhuǎn)而在全局字典上加入Fisher判別約束,獲得一種快速的Fisher判別字典學(xué)習(xí)方法。仿真實驗表明該方法能有效的降低了字典學(xué)習(xí)的計算復(fù)雜度。
(4)針對實際應(yīng)用中測試樣本存在非訓(xùn)練類模式輸入的問題,將快速Fisher判別字典學(xué)習(xí)方法與流形子空間結(jié)合,提出基于快速Fisher判別字典學(xué)習(xí)的可拒絕模式分類模型
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 稀疏表示中字典學(xué)習(xí)的研究及應(yīng)用.pdf
- 遙感影像稀疏表示中的字典學(xué)習(xí)算法及其應(yīng)用.pdf
- 非局部稀疏模型中的字典學(xué)習(xí)方法研究.pdf
- 基于字典學(xué)習(xí)和稀疏表示的圖像融合方法.pdf
- 圖像壓縮傳感中基于變換域和字典學(xué)習(xí)的稀疏表示研究.pdf
- 信息稀疏表示算法及其在圖像恢復(fù)中應(yīng)用的研究.pdf
- 圖像的稀疏字典及其應(yīng)用.pdf
- 基于稀疏表示和字典學(xué)習(xí)的圖像去噪方法的研究.pdf
- 稀疏信號表示理論及其在圖像增強中的應(yīng)用.pdf
- 多分類主動學(xué)習(xí)方法在地表分類中的應(yīng)用.pdf
- 稀疏表示理論的研究及其在圖像去噪中的應(yīng)用.pdf
- 基于多特征的主動學(xué)習(xí)方法在圖像分類中的應(yīng)用研究.pdf
- 稀疏表示編碼模型及其在文本分類中的應(yīng)用.pdf
- 基于稀疏表示的圖像分類方法研究.pdf
- 協(xié)稀疏表示模型在圖像復(fù)原中的應(yīng)用.pdf
- 基于稀疏表示與字典學(xué)習(xí)的極化sar圖像壓縮
- 基于稀疏表示和字典學(xué)習(xí)的圖像去噪研究.pdf
- 基于冗余字典的圖像稀疏表示研究.pdf
- 基于稀疏表示與字典學(xué)習(xí)的極化SAR圖像壓縮.pdf
- 稀疏表示在圖像分類問題中的應(yīng)用研究.pdf
評論
0/150
提交評論