2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩42頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、近些年,稀疏表示被成功地應(yīng)用在很多領(lǐng)域,包括圖像去噪、圖像超分辨率、面部識別、以及更難的任務(wù)如圖像分類、物體識別等領(lǐng)域。這主要是因為很多高維的自然信號近似地存在于一個低維的子空間,這樣一個信號可以用少量的原子(atoms)近似的表示。稀疏編碼的質(zhì)量依賴于字典的選擇,大量的實驗表明從原始信號中學(xué)習(xí)到的字典包含了原始信號的語義信息,比那些事先定義的字典如小波wavelets、離散的余弦變換(DCT)、離散的傅立葉變換(DFC)表示效果更好。

2、因此學(xué)習(xí)一個適定的字典非常重要。本文在深入研究現(xiàn)有字典學(xué)習(xí)模型的基礎(chǔ)上,主要貢獻有:
  1.提出了一個判別結(jié)構(gòu)化字典學(xué)習(xí)算法,此算法對于不同類的訓(xùn)練采樣學(xué)習(xí)了一個共享的字典,同時保持了字典判別的結(jié)構(gòu)化特性,使同一類的稀疏編碼在該字典下盡量相同,不同類的稀疏編碼盡量不同。字典學(xué)習(xí)過程中同時學(xué)習(xí)了一個線性分類器,使分類變得簡單。
  2.對于大規(guī)模和動態(tài)訓(xùn)練集,提出了一個半監(jiān)督在線字典學(xué)習(xí)算法,依據(jù)梯度近似理論,保證了算法收斂

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論