为了从含噪声的测量矢量中重构原始信号,研究了稀疏补分析模型下近似最优子空间追踪信号重构算法.针对直接采用稀疏综合模型下子空间追踪过程非最速梯度下降和信号重构概率不高的缺点,根据稀疏补分析模型下不同类型分析字典的结构特点...为了从含噪声的测量矢量中重构原始信号,研究了稀疏补分析模型下近似最优子空间追踪信号重构算法.针对直接采用稀疏综合模型下子空间追踪过程非最速梯度下降和信号重构概率不高的缺点,根据稀疏补分析模型下不同类型分析字典的结构特点来设计近似目标优化函数;改进了迭代追踪过程;优化了稀疏补取值方法;提出并实现了基于稀疏补分析模型的近似最优分析子空间追踪算法.仿真实验证明,当稀疏补运算符分别采用随机紧支框架和二维全变分矩阵时,算法的完全重构信号概率均明显高于ASP、AHTP、AIHT、AL1、GAP算法的完全重构信号概率;对于含高斯噪声的输入信号,算法的重构信号综合平均PSNR比相应的ASP、AHTP、AIHT算法分别提高了0.8d B、1.38d B、3.13 d B,但比GAP和AL1算法降低了0.32 d B和0.6d B.算法的完全重构概率与综合重构性能有了明显提高,收敛充分条件得到进一步简化.展开更多
为提高三维模型的检索效率,针对三维模型特征提取方法进行了研究,在多线性主成分分析(MPCA:Multi-Linear Principal Component Analysis)的基础上,提出了一种加权多线性主成分分析(WMPCA:Weighted Multi-Linear Principal Component Ana...为提高三维模型的检索效率,针对三维模型特征提取方法进行了研究,在多线性主成分分析(MPCA:Multi-Linear Principal Component Analysis)的基础上,提出了一种加权多线性主成分分析(WMPCA:Weighted Multi-Linear Principal Component Analysis)方法,并将其应用于三维模型特征提取中。该方法首先将三维模型转化为多角度的二维投影图像,然后从多方向上通过张量进行特征提取,最后将提取到的特征应用到三维模型检索中。对Princeton Shape Benchmark的实验表明,该特征提取方法比经典的形状分布方法平均检索效率提高7%,比传统的MPCA特征提取方法的平均检索效率提高3%。展开更多
文摘为了从含噪声的测量矢量中重构原始信号,研究了稀疏补分析模型下近似最优子空间追踪信号重构算法.针对直接采用稀疏综合模型下子空间追踪过程非最速梯度下降和信号重构概率不高的缺点,根据稀疏补分析模型下不同类型分析字典的结构特点来设计近似目标优化函数;改进了迭代追踪过程;优化了稀疏补取值方法;提出并实现了基于稀疏补分析模型的近似最优分析子空间追踪算法.仿真实验证明,当稀疏补运算符分别采用随机紧支框架和二维全变分矩阵时,算法的完全重构信号概率均明显高于ASP、AHTP、AIHT、AL1、GAP算法的完全重构信号概率;对于含高斯噪声的输入信号,算法的重构信号综合平均PSNR比相应的ASP、AHTP、AIHT算法分别提高了0.8d B、1.38d B、3.13 d B,但比GAP和AL1算法降低了0.32 d B和0.6d B.算法的完全重构概率与综合重构性能有了明显提高,收敛充分条件得到进一步简化.
文摘为提高三维模型的检索效率,针对三维模型特征提取方法进行了研究,在多线性主成分分析(MPCA:Multi-Linear Principal Component Analysis)的基础上,提出了一种加权多线性主成分分析(WMPCA:Weighted Multi-Linear Principal Component Analysis)方法,并将其应用于三维模型特征提取中。该方法首先将三维模型转化为多角度的二维投影图像,然后从多方向上通过张量进行特征提取,最后将提取到的特征应用到三维模型检索中。对Princeton Shape Benchmark的实验表明,该特征提取方法比经典的形状分布方法平均检索效率提高7%,比传统的MPCA特征提取方法的平均检索效率提高3%。
