导读:本文包含了自适应表示论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:稀疏,自适应,模型,图像,局部,邻域,流形。
自适应表示论文文献综述
谢军,刘云鹏,刘磊,唐力,王国利[1]（2019）在《局放信号自适应加权分帧快速稀疏表示去噪方法》一文中研究指出电气设备局放信号易受噪声干扰,影响监测效果。为提高局放信号去噪效果,提出一种局放信号自适应加权分帧快速稀疏表示去噪方法。该方法以信号稀疏表示理论为核心,为提高去噪速度,对局放信号进行了加权分帧,减少待处理数据长度的同时避免了强制分帧时截断效应;提出一种快速正交匹配追踪算法,避免了基于传统正交匹配追踪实现稀疏表示时庞大的计算量。为提高去噪效果,基于K-SVD字典学习理论及高信噪比局放样本信号构建局放脉冲自适应过完备字典,其各原子仅与局放脉冲信号强关联,且满足实测信号多样性要求;结合加权分帧方法,提出一种残差比阈值自适应确定方法,实现了局放稀疏表示去噪迭代终止条件自适应确定。实验结果表明,所提方法解决了现有局放稀疏表示去噪方法去噪速度慢,过完备字典适用性弱等问题,相比传统局放信号小波分析去噪方法,该方法去噪结果误差及畸变均较小。(本文来源于《中国电机工程学报》期刊2019年21期）
李金昊,杨春玲,禤韵怡[2]（2019）在《视频压缩感知中组稀疏表示的自适应阈值算法》一文中研究指出在对帧间组稀疏表示框架研究后,提出一种改进的组稀疏表示的自适应阈值算法(AT-GSR)。在变换域进行阈值处理过程中,根据采样率,在迭代开始时对初始阈值进行自适应设置,在迭代过程中对阈值进行阶梯型递减,保证信号在噪声被滤去的前提下,保留更多细节特征。针对非剧烈运动序列提出使用重构精度较高的关键帧作为参考帧的方案,保证帧间匹配块的精度,且利用前后两个方向的时间相关性。仿真结果表明,所提重构算法AT-GSR,对于运动不太剧烈的视频序列,相对于SSIM-InterF-GSR降低了算法复杂度,提高了重构性能,与目前性能好的其它两种视频压缩感知算法相比,性能也有明显提升。(本文来源于《计算机工程与设计》期刊2019年09期）
张福旺,苑会娟[3]（2019）在《一种自适应稀疏表示和非局部自相似性的图像超分辨率重建算法》一文中研究指出如何充分利用图像自身蕴含的信息进行超分辨率重建仍然是一个开放的问题。文中提出了一种自适应稀疏表示和非局部自相似性的图像超分辨率重建算法。在训练与重建的过程中都采用K-means算法对选取的数据集进行聚类,将相似的图像块聚集在一起,然后运用PCA处理自适应地选择字典来进行超分辨率重建。相比于通过固定字典进行图像重建,采用自适应选择字典对图像进行重建将使得到的重建图像效果更加优越。针对自然图像的实验结果表明,利用所提算法重建的超分辨率图像的细节更细腻,伪像更少,边缘更锐利。(本文来源于《计算机科学》期刊2019年S1期）
侯思祖,陈宇[4]（2019）在《基于NSST和自适应稀疏表示的紫外光与可见光图像融合》一文中研究指出针对紫外成像仪中紫外光图像与可见光图像的灰度值特点及传统的图像融合方法在图像融合时存在紫外光斑信息丢失的问题,提出一种基于非下采样剪切波变换(NSST)和自适应稀疏表示的紫外光与可见光图像融合方法。首先用NSST变换分解源图像,得到低频子带系数和高频子带系数;然后采用邻域标准偏差取大的融合规则融合低频子带系数,生成近似融合图像;根据自适应稀疏思想指导高频子带系数的融合;最后通过逆NSST变换重构得到融合图像。实验结果表明,该方法在保留可见光背景信息的基础上,很好地融合了紫外光斑信息,改善了图像的主观视觉质量,在客观评价指标上也有所提高。(本文来源于《半导体光电》期刊2019年03期）
王一海[5]（2019）在《基于自适应稀疏表示的电子商务语音识别增强方法研究》一文中研究指出传统语音增强算法在去除噪声的同时也导致语音受损,为了减小这种负面影响,结合了语音信号的稀疏表示算法与语音增强算法和自适应的获得训练字典,提出了一种基于自适应稀疏表示的语音增强算法。仿真实验结果表明该方法即使在低信噪比的条件下也能有效去噪,且去噪后能很好的分辨出原始语音信号。(本文来源于《电子器件》期刊2019年02期）
冯重锴[6]（2019）在《基于稀疏表示的参数自适应选择流形学习算法研究》一文中研究指出流形学习是当前机器学习的热门领域,它是非线性降维的代表之一。流形学习算法在对非线性数据集进行降维处理和特征提取时效果突出,但是也有一些缺陷。例如,大多数流形学习算法都有一个繁琐的调整参数的过程。这是因为大多数流形学习算法是通过描述样本点的局部性来进行降维处理的,这就不可避免地需要手动选取控制邻域大小的参数。为了解决这个问题,本文提出了两种基于稀疏表示的参数自适应选择流形学习算法。本文的主要工作包括以下两个方面:(1)提出了一种基于组稀疏的参数自适应选择判别投影算法。使用组稀疏来描述样本点的几何结构,自适应地构造样本点的近邻图,避免了传统流形学习算法中需要手动调整参数的弊端。同时,提出局部稀疏散度和非局部稀疏散度,将稀疏表示和局部性理论统一到一个数学模型当中,增加了算法的分类性能。(2)提出了有监督的参数自适应选择判别投影算法。在原算法基础之上,利用样本的类别信息,提出了能更准确描述样本点几何结构的有监督稀疏框架,限制了伪近邻点的干扰。并且在算法中加入了全局类内和类间约束,进一步提高了算法的判别能力。在几个常用的人脸数据集上的结果表明,本文提出的基于组稀疏的参数自适应选择判别投影算法在人脸识别任务中的准确率优于一些先进算法。而且,有监督的参数自适应选择判别投影算法的分类准确率得到了进一步的提升。(本文来源于《武汉科技大学》期刊2019-05-01）
付俊妮[7]（2019）在《自适应非负加权约束低秩稀疏表示的跨数据集面部表情识别》一文中研究指出面部表情识别很大程度上受限于来自相同条件、相同个体和大量标记样本这些假设,当突破上述假设条件时,识别性能将会显着下降。针对这个问题,提出一种自适应非负加权约束低秩稀疏表示的跨数据集面部表情识别方法,通过自适应非负加权矩阵约束加强图像数据表示中重要特征的作用并减少无用特征的干扰。通过映射矩阵的约束,使基于低秩与稀疏表示的子空间能够学习鲁棒的相似图像以便实现最终的跨数据集面部表情识别。在公开的JAFFE和CK+两个跨数据库上的对比实验结果表明,文章算法对于跨数据集面部表情识别的性能更优。(本文来源于《信息通信》期刊2019年01期）
熊承义,龚忠毅,高志荣,张梦杰[8]（2018）在《压缩感知图像的块子带自适应稀疏表示规则化重构》一文中研究指出针对自然图像信号的非平稳特性和不同图像块的变换域系数的分布差异较大,基于分块图像子带自适应稀疏表示规则化,提出了一种新的压缩感知图像重构方法.先利用非局部相似块组估计每个分块图像变换域各子带系数的均值和标准差,再将图像块各子带系数进行去均值并关于标准差归一化,最后将去均值归一化处理的子带系数的l_1范数表示用于规则化压缩感知重构.由于块子带自适应稀疏表示更加合理地表达了稀疏系数的重要性,使得重构图像能够更好地保留纹理、边缘等细节信息.大量的实验结果表明:相比组稀疏表示的压缩感知重构算法,该方法重构图像的峰值信噪比平均提高了0.69 dB.(本文来源于《中南民族大学学报(自然科学版)》期刊2018年04期）
张然[9]（2018）在《基于自适应稀疏表示的微震信号压缩感知及盲源分离研究》一文中研究指出微震监测通过监测岩体破裂、结构变化产生的震动,对监测对象的破坏程度、安全状况等做出评价,从而为及时准确地预报和控制灾害提供依据。分析识别地层、桥梁、大厦或其它人造结构产生的微震信号,可以避免或减少重大灾难性事故的发生。在待监测区域布置的大量微震传感器,虽然可以进行全面有效的监测,但是采集的海量数据对整个系统的数据传输及处理、能量消耗、系统稳定性会带来不良影响,压缩感知理论可以有效解决这一问题。本文针对微震信号压缩感知中的部分关键技术开展研究,主要解决微震监测系统中信号高速采样造成数据量大,冗余度高的问题,着重研究微震信号的稀疏表示、观测矩阵、压缩感知整体方案的设计和稀疏盲源分离。本文首先研究了压缩感知的数理学基础,阐述了向量空间、压缩感知理论框架、稀疏性及观测矩阵基本定义、重构理论及算法等问题,分析了微震信号的稀疏化特点,提出了微震信号的采集模型,并根据微震监测系统的网络拓扑结构及其时间同步需求,结合TPSN及RBS算法的优点提出了分层时间同步算法ODLP,其采用极大似然估计对TPSN算法加以改进,并结合了RBS算法的广播优点。仿真表明,算法在全网范围内可取得比TPSN、RBS算法更高的同步精度。基于微震信号时域不具有稀疏性,而频域具有一定稀疏性的特点,提出自适应硬阈值及软阈值的离散傅里叶变换方法。而后又根据时间序列可分解为几个分量模型,且其中各分量可用自回归模型表示的理论,提出微震信号自适应AR基,根据微震信号特点,以AR基作为过完备字典,实现微震信号的自适应稀疏表示。仿真实验表明两种方法均能取得较好的稀疏表示效果。基于压缩感知观测矩阵应满足的准则,结合实际情况,使用易于硬件生成的托普利兹观测矩阵作为微震信号压缩感知观测矩阵,然后基于Gold序列和分段Logistic序列构造了两种适用于微震信号的托普利兹观测矩阵,并从多方面与其它观测矩阵做出比较,分析其性能,取得了较好的综合效果。针对微震信号震源定位、参数反演等主要应用,分析了微震信号初至波时刻提取的重要性,并根据其特点构建了微震信号时空相关性体系结构及模型,对空间相关性和时间相关性做出详细的数学分析。然后基于微震信号相关性提出了初至波时刻提取及信号对齐算法,并取得较好的效果。同时,为进一步减少微震信号压缩感知的数据量提出微震信号分布式压缩感知模型及基于相关性的微震信号压缩感知的整体方案。最后对于可能出现的微震信号混合情况,研究了微震信号的盲源分离问题。推导了基于稀疏表示的微震信号盲源分离模型及微震信号线性延时混合模型,并提出基于烟花算法的稀疏微震信号欠定盲源分离算法,将烟花算法的映射规则及爆炸半径做出优化,同时将烟花算法用于盲源分离数据聚类中,仿真对比实验证明其能取得良好的盲源分离效果。(本文来源于《中国矿业大学》期刊2018-12-12）
张志凡[10]（2018）在《基于颜色表示的尺度自适应实时目标跟踪》一文中研究指出随着科技的发展,目标跟踪技术依然是当下研究的热门且具有挑战性的一个课题,军事上导弹打击需要精确定位跟踪目标,医学上扫描跟踪病变细胞,机器视觉的机器人需要锁定目标并进行跟踪,交通上需要跟踪违规车辆等各个方面都离不开目标跟踪技术。在早期的跟踪方法中,颜色直方图是一种常见的外观描述方法。本文在基于颜色表示的情况下,解决了目标跟踪的目标对象部分遮挡问题,本文结合了干扰感知模型与背景对象模型,得到一个目标跟踪的对象模型。干扰感知模型可以有效抑制干扰区域,不会因为漂移而使得在后续帧中跟踪到与目标相似外观的区域,以确保健壮的跟踪性能。背景对象模型可以将目标对象从周围背景中区分出来,保证后续帧的跟踪效果。并且,尺度变化是跟踪中比较基本和常见的问题,尺度更新一定程度上也可以减少漂移现象,如果目标缩小,滤波器就会学习到大量背景信息;如果目标扩大,滤波器会跟随目标局部纹理移动,以上两种情况都很可能出现非预期的结果,导致漂移并跟踪失败。为了解决这个问题,本文采用了自适应尺度估计方法,可以显着减少漂移的问题,产生健壮和可靠的跟踪结果。最后利用视觉目标跟踪数据集(VOT)进行测试,实验结果表明,本文所研究的方法具有良好的跟踪性能。与张开华老师的STC跟踪算法和Xue Mei及Haibin Ling的跟踪算法(RVT)相比,这种基于颜色跟踪的方法在精度和鲁棒性方面都表现良好。此外,本文所研究的方法可以有效地实现实时在线目标跟踪。由此可见,这种基于颜色的目标跟踪在某些性能上达到先进水平,在VOT数据集中跟踪效果较上述两个目标跟踪器更优。(本文来源于《南京邮电大学》期刊2018-11-14）
自适应表示论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在对帧间组稀疏表示框架研究后,提出一种改进的组稀疏表示的自适应阈值算法(AT-GSR)。在变换域进行阈值处理过程中,根据采样率,在迭代开始时对初始阈值进行自适应设置,在迭代过程中对阈值进行阶梯型递减,保证信号在噪声被滤去的前提下,保留更多细节特征。针对非剧烈运动序列提出使用重构精度较高的关键帧作为参考帧的方案,保证帧间匹配块的精度,且利用前后两个方向的时间相关性。仿真结果表明,所提重构算法AT-GSR,对于运动不太剧烈的视频序列,相对于SSIM-InterF-GSR降低了算法复杂度,提高了重构性能,与目前性能好的其它两种视频压缩感知算法相比,性能也有明显提升。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应表示论文参考文献
[1].谢军,刘云鹏,刘磊,唐力,王国利.局放信号自适应加权分帧快速稀疏表示去噪方法[J].中国电机工程学报.2019
[2].李金昊,杨春玲,禤韵怡.视频压缩感知中组稀疏表示的自适应阈值算法[J].计算机工程与设计.2019
[3].张福旺,苑会娟.一种自适应稀疏表示和非局部自相似性的图像超分辨率重建算法[J].计算机科学.2019
[4].侯思祖,陈宇.基于NSST和自适应稀疏表示的紫外光与可见光图像融合[J].半导体光电.2019
[5].王一海.基于自适应稀疏表示的电子商务语音识别增强方法研究[J].电子器件.2019
[6].冯重锴.基于稀疏表示的参数自适应选择流形学习算法研究[D].武汉科技大学.2019
[7].付俊妮.自适应非负加权约束低秩稀疏表示的跨数据集面部表情识别[J].信息通信.2019
[8].熊承义,龚忠毅,高志荣,张梦杰.压缩感知图像的块子带自适应稀疏表示规则化重构[J].中南民族大学学报(自然科学版).2018
[9].张然.基于自适应稀疏表示的微震信号压缩感知及盲源分离研究[D].中国矿业大学.2018
[10].张志凡.基于颜色表示的尺度自适应实时目标跟踪[D].南京邮电大学.2018
论文知识图
