为识别城市轨道交通网络关键站点并研究其多年演化,构建基于截断奇异值分解(truncated singular value decomposition,TSVD)的关键站点识别方法,选取北京市2011—2019年早高峰时段的OD数据,通过关键特征向量分析网络客流演变并对城轨网...为识别城市轨道交通网络关键站点并研究其多年演化,构建基于截断奇异值分解(truncated singular value decomposition,TSVD)的关键站点识别方法,选取北京市2011—2019年早高峰时段的OD数据,通过关键特征向量分析网络客流演变并对城轨网络中关键站点进行识别,将其与复杂网络方法的识别结果进行对比。分析表明:TSVD法能很好地应用于考虑OD分布的网络关键站点识别,识别结果能更好代表网络客流的空间分布。从识别结果看,北京轨道交通关键站点空间布局呈现多中心发展趋势,如西北西二旗,西南丰台科技园等站点逐步形成网络客流中心并相互联系;东南土桥、东北俸伯等站点也初步呈现网络客流中心的特征。展开更多
针对超声彩色血流成像(CFI)中杂波引起血流速度估计不准确的问题,提出了一种基于动态域的多项式回归和奇异值分解(SVD)的杂波抑制方法——ARS算法。首先,根据回波信号的时域特性和能量强度,采用动态划分法区分出信号所属范围;其次,按照...针对超声彩色血流成像(CFI)中杂波引起血流速度估计不准确的问题,提出了一种基于动态域的多项式回归和奇异值分解(SVD)的杂波抑制方法——ARS算法。首先,根据回波信号的时域特性和能量强度,采用动态划分法区分出信号所属范围;其次,按照信号的所属范围选取多项式回归法或SVD法动态地去除杂波成分。将所提算法与投影初始化无限脉冲响应(IIR)法、非平稳滤波法、回归滤波法和SVD法等杂波抑制方法进行仿真对比,实验结果表明:所提算法能够较好地抑制组织运动干扰(组织区信号的运动速度几乎为零,且滤波后的杂波血流比约为5.427 d B),估计出的最大血流速度(0.968 m/s)最接近于理论值,血流分布均匀,并能较好地保持血流速度剖面的完整性,得到的血流速度图像真实,质量较高。展开更多
针对过完备字典直接对图像进行稀疏表示不能很好地剔除高频噪声的影响,压缩感知后图像重构质量不高的问题,提出了基于截断核范数低秩分解的自适应字典学习算法。该算法首先利用截断核范数正则化低秩分解模型对图像矩阵低秩分解得到低秩...针对过完备字典直接对图像进行稀疏表示不能很好地剔除高频噪声的影响,压缩感知后图像重构质量不高的问题,提出了基于截断核范数低秩分解的自适应字典学习算法。该算法首先利用截断核范数正则化低秩分解模型对图像矩阵低秩分解得到低秩部分和稀疏部分,其中低秩部分保留了图像的主要信息,稀疏部分主要包含高频噪声及部分物体轮廓信息;然后对图像低秩部分进行分块,依据图像块纹理复杂度对图像块进行分类;最后使用K奇异值分解(K⁃single value decomposition,K⁃SVD)字典学习算法,针对不同类别训练出多个不同大小的过完备字典。仿真结果表明,本文所提算法能够对图像进行较好的稀疏表示,并在很好地保持图像块特征一致性的同时显著提升图像重构质量。展开更多
基金国家自然科学基金(the National Natural Science Foundation of China under Grant No.50579061)高等院校博士学科点专项科研基金(theChina Specialized Research Fund for the Doctoral Program of Higher Education under Grant No.106-220546)。
文摘为识别城市轨道交通网络关键站点并研究其多年演化,构建基于截断奇异值分解(truncated singular value decomposition,TSVD)的关键站点识别方法,选取北京市2011—2019年早高峰时段的OD数据,通过关键特征向量分析网络客流演变并对城轨网络中关键站点进行识别,将其与复杂网络方法的识别结果进行对比。分析表明:TSVD法能很好地应用于考虑OD分布的网络关键站点识别,识别结果能更好代表网络客流的空间分布。从识别结果看,北京轨道交通关键站点空间布局呈现多中心发展趋势,如西北西二旗,西南丰台科技园等站点逐步形成网络客流中心并相互联系;东南土桥、东北俸伯等站点也初步呈现网络客流中心的特征。
文摘针对超声彩色血流成像(CFI)中杂波引起血流速度估计不准确的问题,提出了一种基于动态域的多项式回归和奇异值分解(SVD)的杂波抑制方法——ARS算法。首先,根据回波信号的时域特性和能量强度,采用动态划分法区分出信号所属范围;其次,按照信号的所属范围选取多项式回归法或SVD法动态地去除杂波成分。将所提算法与投影初始化无限脉冲响应(IIR)法、非平稳滤波法、回归滤波法和SVD法等杂波抑制方法进行仿真对比,实验结果表明:所提算法能够较好地抑制组织运动干扰(组织区信号的运动速度几乎为零,且滤波后的杂波血流比约为5.427 d B),估计出的最大血流速度(0.968 m/s)最接近于理论值,血流分布均匀,并能较好地保持血流速度剖面的完整性,得到的血流速度图像真实,质量较高。
文摘针对过完备字典直接对图像进行稀疏表示不能很好地剔除高频噪声的影响,压缩感知后图像重构质量不高的问题,提出了基于截断核范数低秩分解的自适应字典学习算法。该算法首先利用截断核范数正则化低秩分解模型对图像矩阵低秩分解得到低秩部分和稀疏部分,其中低秩部分保留了图像的主要信息,稀疏部分主要包含高频噪声及部分物体轮廓信息;然后对图像低秩部分进行分块,依据图像块纹理复杂度对图像块进行分类;最后使用K奇异值分解(K⁃single value decomposition,K⁃SVD)字典学习算法,针对不同类别训练出多个不同大小的过完备字典。仿真结果表明,本文所提算法能够对图像进行较好的稀疏表示,并在很好地保持图像块特征一致性的同时显著提升图像重构质量。
