期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于组稀疏约束的微地震震源参数谱投影梯度反演 被引量:1
1
作者 唐杰 刘英昌 +2 位作者 李聪 高翔 孙成禹 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2022年第4期1376-1388,共13页
震源参数反演是微地震监测中的关键技术,常规走时或逆时定位方法可以快速获取震源的空间位置,但是会忽略震源的时间信息.全波形反演(FWI)是一种有效的工具,利用完整的波形信息,通过选用合适的优化算法对微地震事件震源参数进行迭代反演... 震源参数反演是微地震监测中的关键技术,常规走时或逆时定位方法可以快速获取震源的空间位置,但是会忽略震源的时间信息.全波形反演(FWI)是一种有效的工具,利用完整的波形信息,通过选用合适的优化算法对微地震事件震源参数进行迭代反演,虽然存在计算量大的问题,但是反演出的结果信息丰富并且精度较高.本文依据微地震震源的特点,提出了基于谱投影梯度组稀疏约束的优化算法来进行震源参数全波形反演,模型测试结果表明:该算法相比于逆时定位定位精度更高,且可以反演子波波形信息;对低信噪比微地震记录具有一定的鲁棒性;对不同时刻的多震源参数反演也能得到较好的结果;该方法对速度模型具有敏感性,通过微地震数据更新速度模型再进行震源参数反演可以提高反演准确性. 展开更多
关键词 微地震 稀疏约束 全波形反演 震源参数 谱投影梯度
下载PDF
基于稀疏组LASSO约束的本征音子说话人自适应
2
作者 屈丹 张文林 《通信学报》 EI CSCD 北大核心 2015年第9期47-54,共8页
本征音子说话人自适应方法在自适应数据量不足时会出现严重的过拟合现象,提出了一种基于稀疏组LASSO约束的本征音子说话人自适应算法。首先给出隐马尔可夫—高斯混合模型下本征音子说话人自适应的基本原理;然后将稀疏组LASSO正则化引入... 本征音子说话人自适应方法在自适应数据量不足时会出现严重的过拟合现象,提出了一种基于稀疏组LASSO约束的本征音子说话人自适应算法。首先给出隐马尔可夫—高斯混合模型下本征音子说话人自适应的基本原理;然后将稀疏组LASSO正则化引入到本征音子说话人自适应,通过调整权重因子控制模型的复杂度,并通过一种加速近点梯度的数学优化算法来实现;最后将稀疏组LASSO约束的自适应算法与当前多种正则化约束的自适应方法进行比较。汉语连续语音识别的说话人自适应实验表明,引入稀疏组LASSO约束后,本征音子说话人自适应方法的性能得到了明显提高,且稀疏组LASSO约束方法优于l1、l2和弹性网正则化方法。 展开更多
关键词 说话人自适应 本征音子 稀疏约束 稀疏LASSO约束 近点梯度法
下载PDF
局部约束组稀疏表示的步态识别方法
3
作者 杨国亮 漆娟娟 高萌 《计算机工程与设计》 CSCD 北大核心 2014年第7期2536-2540,共5页
提出一种局部约束组稀疏表示的步态识别方法。通过预处理提取人体二值化侧影图,计算步态周期并利用HS(Horn-Schunck)算法生成步态光流图,经降维后利用局部约束组稀疏表示的方法进行分类识别。在标准稀疏表示分类方法的基础上,引入了组... 提出一种局部约束组稀疏表示的步态识别方法。通过预处理提取人体二值化侧影图,计算步态周期并利用HS(Horn-Schunck)算法生成步态光流图,经降维后利用局部约束组稀疏表示的方法进行分类识别。在标准稀疏表示分类方法的基础上,引入了组稀疏约束和局部平滑稀疏约束,使其最小重构误差的非零重构系数分散在与测试样本相邻的同一训练类别组内。在CASIA Dataset B数据库上的实验结果表明,该方法有较高的识别率。 展开更多
关键词 步态识别 步态光流图 HS算法 稀疏约束 局部平滑稀疏约束
下载PDF
非负组稀疏约束优化问题的最优性条件
4
作者 胡珊珊 贺素香 《数学物理学报(A辑)》 CSCD 北大核心 2024年第2期500-512,共13页
基于Bouligand意义下的切锥与法锥和Clarke意义下的切锥与法锥,该文研究了非负组稀疏约束优化问题的最优性理论.该文定义了非负组稀疏约束集的Bouligand切锥与法锥和Clarke切锥与法锥,并给出了它们的等价刻画形式.在目标函数连续可微的... 基于Bouligand意义下的切锥与法锥和Clarke意义下的切锥与法锥,该文研究了非负组稀疏约束优化问题的最优性理论.该文定义了非负组稀疏约束集的Bouligand切锥与法锥和Clarke切锥与法锥,并给出了它们的等价刻画形式.在目标函数连续可微的条件下,借助于非负组稀疏约束集的切锥和法锥,给出了该优化问题的四类稳定点的定义,并讨论了它们之间的关系.最后,建立了非负组稀疏约束优化问题的一阶和二阶最优性条件. 展开更多
关键词 非负稀疏约束优化问题 最优性条件 切锥 法锥
下载PDF
双边加权组稀疏残差约束的面阵卫星影像去噪
5
作者 万天真 潘俊 王密 《武汉大学学报(信息科学版)》 EI CAS CSCD 北大核心 2024年第6期935-944,共10页
传统的组稀疏表示模型受到噪声的影响可能无法准确估计每个影像组的稀疏性,从而导致对理想影像的复原失真。提出了双边加权的组稀疏残差约束模型,引入组稀疏残差约束,首先利用稀疏编码系数的非局部自相似性获得理想影像的组稀疏系数估计... 传统的组稀疏表示模型受到噪声的影响可能无法准确估计每个影像组的稀疏性,从而导致对理想影像的复原失真。提出了双边加权的组稀疏残差约束模型,引入组稀疏残差约束,首先利用稀疏编码系数的非局部自相似性获得理想影像的组稀疏系数估计,然后约束对应退化影像的组稀疏系数来逼近这一估计。由于面阵卫星影像噪声较为复杂,用简单加性高斯白噪声难以精确建模,将两个权重矩阵分别引入组稀疏残差约束的数据保真项和正则化项中,以表征影像和噪声的统计特性。使用模拟数据和珞珈三号01星获取的真实影像进行实验,在模拟实验中,双边加权组稀疏残差约束模型在去除加性高斯白噪声和空间异质噪声方面表现优于其他对比方法。在真实影像实验中,使用该模型去噪后的影像熵值相较于三维块匹配滤波方法、多波段加权核范数最小化方法、非局部中心化稀疏表示方法、低秩化组稀疏表示方法和三边加权稀疏编码方法,分别提升了2.03%、1.18%、1.26%、1.24%和2.10%。结果表明,双边加权组稀疏残差约束模型在保留影像边缘细节和消除真实影像噪声方面优于对比方法。 展开更多
关键词 面阵卫星影像 影像去噪 稀疏表示 稀疏残差约束 非局部自相似性
原文传递
基于预滤波的组稀疏残差约束图像去噪模型 被引量:2
6
作者 陈梦雅 李润鑫 +1 位作者 刘辉 尚振宏 《传感器与微系统》 CSCD 2020年第2期48-51,共4页
大多数现有去噪方法只考虑了噪声输入图像的非局部自相似性先验方法(NSS),仅从已退化的输入图像中收集相似图像块,图像去噪的质量在很大程度上取决于输入图像本身。针对图像复原过程中的噪声去除问题,设计了一种基于卷积神经网络的组稀... 大多数现有去噪方法只考虑了噪声输入图像的非局部自相似性先验方法(NSS),仅从已退化的输入图像中收集相似图像块,图像去噪的质量在很大程度上取决于输入图像本身。针对图像复原过程中的噪声去除问题,设计了一种基于卷积神经网络的组稀疏去噪模型。模型使用两种NSS先验(即噪声输入图像和预滤波图像的NSS先验),把图像去噪问题转化为组稀疏残差最小化问题。为了提高非局部相似块选择的准确性,使用了一种自适应块搜索的方法,并采用卷积神经网络进行预滤波,以获得对原始图像组稀疏系数的良好估计。实验结果表明:所提出的GSRC-CNN方法在客观和感知质量方面优于许多先进的去噪方法。 展开更多
关键词 卷积神经网络 自适应块搜索 稀疏残差约束 预滤波
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部