稀疏度自适应正则回溯匹配追踪算法(SAMPalgorithmbasedonregularizedbacktracking,SAMP-RB)是一种有效的压缩感知重构算法,在原子选择阶段引入回溯的思想,提高了重构精度,减少了重构时间。
但SAMP-RB算法重构时采用步长不变的思想,容易因步长设置不合理而导致过估计或欠估计的问题。
针对该问题,为提高残差大时的逼近速度,及残差小时的逼近精度,提出抛物线函数步长选择方法,并将其引入SAMP-RB算法。
理论分析与仿真结果表明,改进后的变步长正则回溯稀疏度自适应匹配追踪算法在提高重构精度的同时,重构时间降低了20%左右,因此验证了改进算法的有效性。
2023/11/3 19:16:27 1.3MB 压缩感知 正则回溯 变步长 重构精度
1
为了提升自然场景图像的识别精度,结合bag-of-visualword模型,提出了一种基于核稀疏表示的图像识别方法。
该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示,识别部分采用AdaBoost分类器,对各个类别编码并在对应的核矩阵上进行划分,从而实现多类场景图像的识别能力。
实验结果表明,该方法有效的提升了图像描述的准确度与对自然场景图像识别的精度。
1
基于样本对的稀疏表示分类用于人脸识别
2023/10/29 23:44:47 786KB 研究论文
1
用C++写的十字链表稀疏矩阵报告和程序一起发了
2023/10/27 6:44:02 273KB 数据结构 十字链表
1
本文在图像稀疏性先验的基础上#引入局部AC模型和非局部自相似性作为图像额外的先验信息#提出了非局部正则化的[+图像重建模型#并给出了相应的数值求解算法$
2023/10/26 17:15:56 1.41MB 非局部均值
1
设计一个稀疏矩阵运算器。
实现两个矩阵相加、相减和相乘等的运算。
矩阵的输入输出均按通常的阵列形式
2023/10/16 12:37:35 7KB 稀疏矩阵.cpp
1
利用L1-SVD算法对信号进行稀疏重构,并且得到DOA估计,在信噪比低及信号相距很近时同样具有很好的效果
2023/10/14 23:07:29 2KB 稀疏重构 DOA估计
1
通过稀疏分解法实时获得图像对应的像素补丁patch,之后将补丁为该图像进行超分辨率的结果一部分,最后拼接
2023/10/10 18:07:58 16.31MB 图像超分辨率 matlab
1
1.添加了20多个单目标进化算法和100多个单目标测试问题。
平台目前含有150个算法和339个测试问题,涉及单目标优化、多目标优化、超多目标优化、组合优化、大规模优化、约束优化、多模态优化、昂贵优化、稀疏优化和偏好优化,测试问题包含机器学习、数据挖掘、网络科学、信号处理、调度、经济和工程中的实际问题。
2.全新开发的整体框架和图形界面,带有更多的模块及更强大的功能;
3.基于标签的过滤系统,使用户可以准确地选择针对不同类型问题的算法;
4.更加方便的问题定义方式,用户无需编写独立的代码文件即可自定义问题;
5.更加多样化的结果展示方式,问题的真实前沿面和可行区域可随种群一起展示;
6.提供中文用户手册。
2023/10/9 0:09:27 12.33MB 多目标优化 机器学习 算法 深度学习
1
该程序是以色列科学家michael关于稀疏表示字典训练的一种算法仿真,并附有应用该字典进行图象去噪的实例.应用该程序可以按照readme中的提示一步一步完成,先安装sparse-codingoflargesetsofsignals文件夹中的内容,再安装ksvd程序就可以运行了.
2023/10/8 17:25:08 1.98MB 稀疏表示; 压缩感知;KSVD
1
共 237 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡