搜索结果: 1-15 共查到“低秩”相关记录16条 . 查询时间(0.071 秒)
中国科学院深圳先进技术研究院专利：基于图像低秩与稀疏特性的磁共振成像方法
基于低秩张量图学习的不完整多视角聚类
多视角聚类 视角缺失 不完整多视角聚类 图学习
2024/1/16
传统多视角聚类都基于视角完备假设,要求所有样本的视角信息完整,不能处理存在部分视角缺失情形下的不完整多视角聚类任务.为解决该问题,提出一种基于低秩张量图学习的不完整多视角聚类方法.为了恢复相似图中缺失视角所对应的样本关联信息,该方法将低秩张量图约束和视角内在图保持约束融入到多视角谱聚类模型。
低秩正交张量逼近的交替极分解方法的线性收敛性
低秩正交 张量逼近 交替极分解方法 线性收敛性
2023/1/5
Low rank orthogonal tensor approximation (LROTA) is an important problem in tensor computations and their applications. A classical and widely used algorithm is the alternating polar decomposition met...
低秩正交张量逼近的交替极分解方法的线性收敛性（叶科）
低秩 正交张量逼近 交替极分解方法 线性收敛性
2023/2/22
Low rank orthogonal tensor approximation (LROTA) is an important problem in tensor computations and their applications. A classical and widely used algorithm is the alternating polar decomposition met...
3维多输入多输出(3D-MIMO)系统能有效提升频谱效率，提高系统容量。但用户数和天线数的剧增，无法保证所有用户的导频都正交，给3D-MIMO信道估计带来估计精度下降和复杂度增加等问题。该文分析了上行3D-MIMO系统信道的结构稀疏特性和低秩特性，并基于这些特性提出一种信道估计算法，给出了算法的收敛性和复杂度。仿真结果表明估计算法能准确地恢复3D-MIMO的信道系数，并有较低的复杂度。
为了检测石化工业生产过程中微小气体的泄漏，提出了一种应用红外成像技术的单帧红外小目标检测方法。研究了低秩稀疏分解理论和稀疏表示理论，并提出了一种新的基于张量低秩分解和稀疏表示的小目标检测方法。该方法基于张量分解的形式充分发掘背景矩阵所包含的信息；利用先验知识构造微小气体泄漏的目标字典；同时利用背景的低秩约束和小目标的稀疏表示约束分解出微小气体的泄漏目标。最后基于非精确增广拉格朗日乘子法（IALM）...
基于低秩三分解的红外图像杂波抑制
红外图像 杂波抑制 低秩三分解 稀疏表示
2015/12/24
针对红外图像中对比度较低、目标信号较弱且受背景噪声杂波干扰较大的特点,结合信号的稀疏表示理论提出了一种基于低秩三分解模型的红外图像背景杂波抑制算法。首先,分别对红外图像中目标、背景和噪声3种成份进行建模描述,得到低秩三分解模型。然后,采用二维高斯模型构造红外小目标超完备字典,利用所提出的低秩三分解模型将分块重置的图像数据矩阵分解为背景、噪声和目标3种成份。最后,对于目标分量进行阈值处理从而得到突出...
光照健壮人脸识别的低秩相对梯度直方图特征
人脸识别 低秩分解 相对梯度 光照健壮性
2016/12/27
为了进一步提升人脸梯度特征的光照健壮性，本文结合低秩分解能有效分离图像本质特征和噪声的特性，提出了一种光照健壮的低秩相对梯度直方图特征提取方法.首先，通过对人脸图像进行相对梯度运算获得了图像的相对梯度幅值图像和各像素的梯度方向信息.然后，为了去除相对梯度图像中由于非均匀光照而引入的光照边缘误差，利用低秩分解将相对梯度图像分解为低秩分量和稀疏噪声分量之和.最后，结合人脸图像的梯度方向信息对相对梯度图...
基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法
人脸图像识别 稀疏表示 低秩矩阵恢复 Gabor变换
2017/1/10
针对含光照、表情、姿态、遮挡等误差或被噪声污染的人脸图像的识别问题,本文提出一种基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法.该方法首先用低秩矩阵恢复算法求得训练样本图像对应的误差图像;然后,对每一个训练样本图像及其对应的误差图像进行Gabor变换,得到相应的Gabor特征向量,并将这些Gabor特征向量组成一个Gabor特征字典;进而,计算测试样本图像Gabor特征向量在该Gabor特征...
联合低秩与稀疏先验的高光谱图像压缩感知重建
压缩感知 低秩先验 稀疏先验 增广拉格朗日乘子算法
2017/1/11
本文建立了一种新的高光谱图像压缩感知重建模型,编码端采用块对角的Noiselet测量矩阵对每一谱带进行独立采样,解码端首先建立高光谱图像低秩稀疏表示模型,分解为低秩与稀疏成分,并对低秩成分在空间维进行稀疏分解,进而构建联合谱间低秩性先验与谱内空间稀疏性先验的凸优化重建模型,并提出模型求解的增广拉格朗日乘子迭代算法,通过引入辅助变量与线性化技巧,使得每一子问题均存在解析解,降低了模型求解的复杂度.实...
将图像超像素分割看作子空间聚类问题．给出一个约束条件，等价于以干净数据为字典．利用系数矩阵的非凸迫近p范数作为稀疏约束，利用系数矩阵奇异值的非凸迫近p范数作为低秩约束，建立非凸极小化模型．运用增广拉格朗日方法和交替极小化方法给出数值计算方法．数值实验表明，笔者提出的约束条件下的分割效果优于原始数据作为字典; 非凸迫近p范数的分割效果优于凸的核范数和l1范数．
基于低秩分解的联合动态稀疏表示多观测样本分类算法
模式识别 多观测样本分类 低秩矩阵恢复 联合动态稀疏表示
2017/1/9
通过互联网易获得同一对象的多个无约束的观测样本,针对如何解决无约束观测样本带来的识别困难及充分利用多观测样本数据信息提高其分类性能问题,提出基于低秩分解的联合动态稀疏表示多观测样本分类算法.该算法首先寻找到一组最佳的图像变换域,使得变换图像可以分解成一个低秩矩阵和一个相关的稀疏误差矩阵;然后对低秩矩阵和稀疏误差矩阵分别进行联合动态稀疏表示,以便充分利用类级的相关性和原子级的差异性,即使多观测样本的...
压缩感知（或称压缩采样）是国际上近期出现的一种信息理论。其核心思想是只要某高维信号是可压缩的或在某个变换域上具有稀疏性，就可以用一个与变换基不相关的测量矩阵将该信号投影到一个低维空间上，然后通过求解一个最优化问题以较高的概率从这些少量的投影中重构出原始信号。压缩感知理论突破了香农定理对信号采样频率的限制，能够以较少的采样资源，较高的采样速度和较低的软硬件复杂度获得原始信号的测量值。该理论已经被广泛...
基于多尺度低秩模型的网络异常流量检测方法
异常流量 流特征集 稀疏性分布
2012/4/11
现有刻画流量异常检测所需的流特征集通常是高维的，增加了检测和分类的复杂度。通过研究发现网络中异常通常是稀疏性分布的，单个异常仅仅表现在低维流特征中。基于这一现象提出了一种异常流量检测模型—多尺度低秩 (MRLR, multi-resolution low rank)模型，该模型能够动态筛选出“合适的”特征集并准确分类异常。基于人工标记的实际网络流量异常和注入异常的数据集验证结果表明：MRLR对特征...