对注意力缺陷多动障碍症(ADHD)受试者的准确识别一直是神经科学研究和临床诊断的挑战。基于更好的区分正常人和患者这一目的,文中采用了一种基于字典学习和长短期记忆(Long Short Term Memory,LSTM)网络的Di-LSTM算法,通过利用快速独立...对注意力缺陷多动障碍症(ADHD)受试者的准确识别一直是神经科学研究和临床诊断的挑战。基于更好的区分正常人和患者这一目的,文中采用了一种基于字典学习和长短期记忆(Long Short Term Memory,LSTM)网络的Di-LSTM算法,通过利用快速独立成分分析(Fast Independent Component Analysis,FastICA)初始化的在线字典学习,获得相应时间序列并且结合LSTM进行分类实验,实验结果表明,所提方法分类准确率达到了79.01%,特异性为88.9%,灵敏度为62.7%,说明该方法对于识别ADHD患者有所帮助,具有较好的应用前景。展开更多
针对基于学习的人脸超分辨率算法噪点、伪影较多,且噪声鲁棒性较差的问题,提出一种基于在线字典学习的人脸超分辨率重建算法。以人脸图集作为训练图库,运用在线字典学习方法提高字典训练的精度。独立调整字典学习阶段的正则化参数λt和...针对基于学习的人脸超分辨率算法噪点、伪影较多,且噪声鲁棒性较差的问题,提出一种基于在线字典学习的人脸超分辨率重建算法。以人脸图集作为训练图库,运用在线字典学习方法提高字典训练的精度。独立调整字典学习阶段的正则化参数λt和求解重建稀疏系数阶段的λr,以获取最优的超完备字典和稀疏系数用于图像重建。实验结果表明,目标图像峰值信噪比比同一类型的稀疏编码超分法平均提高了0.85 d B,结构相似性增加了0.013 3,有效地抑制了噪点和伪影。在含噪人脸图像应用中,噪声水平提高时,峰值信噪比下降相对较平缓,提升人脸超分效果的同时改善了算法的噪声鲁棒性。展开更多
文摘对注意力缺陷多动障碍症(ADHD)受试者的准确识别一直是神经科学研究和临床诊断的挑战。基于更好的区分正常人和患者这一目的,文中采用了一种基于字典学习和长短期记忆(Long Short Term Memory,LSTM)网络的Di-LSTM算法,通过利用快速独立成分分析(Fast Independent Component Analysis,FastICA)初始化的在线字典学习,获得相应时间序列并且结合LSTM进行分类实验,实验结果表明,所提方法分类准确率达到了79.01%,特异性为88.9%,灵敏度为62.7%,说明该方法对于识别ADHD患者有所帮助,具有较好的应用前景。
文摘针对基于学习的人脸超分辨率算法噪点、伪影较多,且噪声鲁棒性较差的问题,提出一种基于在线字典学习的人脸超分辨率重建算法。以人脸图集作为训练图库,运用在线字典学习方法提高字典训练的精度。独立调整字典学习阶段的正则化参数λt和求解重建稀疏系数阶段的λr,以获取最优的超完备字典和稀疏系数用于图像重建。实验结果表明,目标图像峰值信噪比比同一类型的稀疏编码超分法平均提高了0.85 d B,结构相似性增加了0.013 3,有效地抑制了噪点和伪影。在含噪人脸图像应用中,噪声水平提高时,峰值信噪比下降相对较平缓,提升人脸超分效果的同时改善了算法的噪声鲁棒性。
