导读:本文包含了稀疏模型论文开题报告文献综述及选题提纲参考文献，主要关键词:识别算法,智能监控,优化
稀疏模型论文文献综述
杨丰嘉[1]（2019）在《基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进》一文中研究指出人体行为识别作为计算机视觉研究热点,在智能监控、人机交互、运动分析等领域具有广泛的应用前景。文章运用时空特征协方差矩阵表征视频中人体行为,分别研究并改进了基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法。(本文来源于《科技创新与应用》期刊2019年35期）
毛惠玉,李琦[2]（2019）在《整数值Z上的混合符号稀疏算子INAR(1)模型》一文中研究指出利用混合符号稀疏算子建立整数值Z上的INAR(1)模型,证明模型的严平稳性和遍历性,讨论模型的转移概率、条件期望和条件方差,并用最大似然方法估计模型参数.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
韩丽,刘书宁,徐圣斯,朴京钰[3]（2019）在《自适应稀疏编码融合的非刚性叁维模型分类算法》一文中研究指出针对传统的叁维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性叁维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期）
周根娇,黄进红[4]（2019）在《基于张量低秩加稀疏模型的MRI重建方法》一文中研究指出传统的基于压缩感知的磁共振(MRI)重建方法处理动态MRI数据时,需要将其向量化,但这种操作会在一定程度破坏数据内部的结构信息,从而有可能会降低重建质量.本文直接面向张量数据,建立了动态MRI重建的张量稀疏加低秩模型框架,并设计了一个基于交替方向乘子法(ADMM)的求解算法.实验结果表明,本文提出的模型和算法是有效的.(本文来源于《赣南师范大学学报》期刊2019年06期）
王纯杰,刘斌霞,蒋京京[5]（2019）在《稀疏数据下的Logistic回归模型研究》一文中研究指出基于临床试验中结肠癌的样本数据,利用R软件中的glmnet程序包对数据进行实证分析,筛选出对结肠癌影响作用大的基因,然后建立稀疏数据下的Logistic回归模型,并联系背景对模型进行解释.同时用SAS软件对数据做逐步回归,得到逐步回归下的Logistic回归模型,对两种方法下得到的Logistic回归模型进行比较,成功地解决了数据稀疏问题.(本文来源于《吉林师范大学学报(自然科学版)》期刊2019年04期）
薛智爽,黄坤超,陈明举,陈柳[6]（2019）在《非局部群稀疏表示的图像去噪模型》一文中研究指出针对图像的非局部稀疏表示忽略图像中结构相似信息的缺点,将群稀疏表示引入到图像的最优滤波中,提出了一种有效去除图像高斯噪声的非局部群稀疏表示模型。该模型首先选择图像非局部相似块构建相似矩阵,在群稀疏限制下对相似矩阵进行正交分解得到正交矩阵;在已知噪声服从高斯分布的情况下,再通过求得的正交矩阵结合贝叶斯最小均方误差准则实现对特征矩阵的最优估计;最后通过正交矩阵与特征矩阵重构去噪后的图像。实验对比证明,所提的非局部群稀疏表示的图像去噪模型在去除噪声的同时更好地保留了图像的结构信息,获得了更好的主客观评价指标,去噪的峰值信噪比提高1 dB以上。(本文来源于《电讯技术》期刊2019年10期）
徐凤敏,景奎,梁循[7]（2019）在《一类稀疏投资组合双层参数估计模型及其应用》一文中研究指出带基约束的投资组合问题是近年来投资组合领域的热点问题,但是参数不确定性直接影响了模型的效果。带基约束的投资组合问题所涉及的参数不仅包括以往研究认为非常重要的预期收益率,还包括控制投资组合规模的稀疏度,尤其是最优稀疏度估计方面的专门研究还十分匮乏。为了使带基约束的投资组合模型更好地为投资决策服务,本文从投资者效用出发,用双层规划的思想构建了带基约束的投资组合双层参数估计模型。然后根据模型的特点,设计了无导数优化算法框架,并基于ADMM对算法子问题进行求解。本文实验针对真实的市场数据给出了预期收益率和最优稀疏度的估计,接着通过与等权重策略和含上下界约束的均值-方差模型进行比较,说明了模型及算法的有效性和实用性。最后,将本文提出的双层参数估计模型推广到了更一般的形式。(本文来源于《中国管理科学》期刊2019年09期）
张永胜,田华伟,肖延辉,郝昕泽,张明旺[8]（2019）在《基于叁方加权稀疏编码模型的PRNU提取算法》一文中研究指出估计图像中真实噪声是基于光照响应不一致(photo-response non-uniformity,PRNU)对图像来源取证的关键步骤.相较于加性高斯白噪声(additive white Gaussian noise,AWGN)的估计,现有多数PRNU提取算法所采用的噪声估计算法在图像真实噪声提取方面性能劣势明显.该文提出了一种基于叁方加权稀疏编码模型(trilateral weighted sparse coding model,TWSCM)的PRNU提取算法. TWSCM在估计噪声时能够保留更多PRNU噪声成分,有助于对图像中PRNU噪声的提取,因此在真实噪声估计上具有较好的性能.在当前最大的图像相机源取证基准库上的测试,实验结果证明所提出的基于TWSC的PRNU提取算法在图像相机源取证任务中具有较好的性能.(本文来源于《应用科学学报》期刊2019年05期）
孙茹君,张鲁飞[9]（2019）在《基于动态指导的深度学习模型稀疏化执行方法》一文中研究指出以深度学习为代表的人工智能技术迅速发展,庞大的数据、模型,更大的计算量和更复杂的计算都对模型的执行提出了挑战.在实际应用中,资源和应用的动态特征以及用户的动态需求,需要模型执行的动态性来保证.而稀疏化是在资源受限、用户需求调整情况下动态模型的执行重要手段.目前主流的稀疏化技术主要是针对特定问题的稀疏化,且针对推理的多,针对训练的少,缺乏在训练执行阶段进行动态调整和稀疏化的手段.本文在对深度学习领域的基本计算单元进行可稀疏性分析的基础上,进一步分析了模型执行的不同层面、不同组成部分的稀疏化能力;经过对动态需求、模型稀疏化策略的建模后,提出了基于动态指导的深度学习模型稀疏化执行方法,并进行了基本实验;最后从量化建模与量化实验的角度对今后的研究工作提出了展望.(本文来源于《南京师大学报(自然科学版)》期刊2019年03期）
刁琦[10]（2019）在《一种改进的稀疏编码模型图像分类算法》一文中研究指出针对传统稀疏编码方法对图像分类,本文采用SIFT算法提取的图像特征,分类器主要通过构造多尺度小波核极限学习机进行图像分类。采用该方法对wine数据集与微软Corel1K图像库进行测试,实验表明,较单尺度小波核,多尺度小波核具有更好的分类效果。同时,多尺度小波核极限学习机的分类性能优于多尺度支持向量机、支持向量机与极限学习机的分类性能。(本文来源于《智能计算机与应用》期刊2019年05期）
稀疏模型论文开题报告
（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：
利用混合符号稀疏算子建立整数值Z上的INAR(1)模型,证明模型的严平稳性和遍历性,讨论模型的转移概率、条件期望和条件方差,并用最大似然方法估计模型参数.
（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。
稀疏模型论文参考文献
[1].杨丰嘉.基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进[J].科技创新与应用.2019
[2].毛惠玉,李琦.整数值Z上的混合符号稀疏算子INAR(1)模型[J].吉林大学学报(理学版).2019
[3].韩丽,刘书宁,徐圣斯,朴京钰.自适应稀疏编码融合的非刚性叁维模型分类算法[J].计算机辅助设计与图形学学报.2019
[4].周根娇,黄进红.基于张量低秩加稀疏模型的MRI重建方法[J].赣南师范大学学报.2019
[5].王纯杰,刘斌霞,蒋京京.稀疏数据下的Logistic回归模型研究[J].吉林师范大学学报(自然科学版).2019
[6].薛智爽,黄坤超,陈明举,陈柳.非局部群稀疏表示的图像去噪模型[J].电讯技术.2019
[7].徐凤敏,景奎,梁循.一类稀疏投资组合双层参数估计模型及其应用[J].中国管理科学.2019
[8].张永胜,田华伟,肖延辉,郝昕泽,张明旺.基于叁方加权稀疏编码模型的PRNU提取算法[J].应用科学学报.2019
[9].孙茹君,张鲁飞.基于动态指导的深度学习模型稀疏化执行方法[J].南京师大学报(自然科学版).2019
[10].刁琦.一种改进的稀疏编码模型图像分类算法[J].智能计算机与应用.2019