期刊文献+
共找到53篇文章
< 1 2 3 >
每页显示 20 50 100
稀疏平滑特性的多正则化约束图像盲复原方法 被引量:13
1
作者 唐述 龚卫国 仲建华 《软件学报》 EI CSCD 北大核心 2013年第5期1143-1154,共12页
为了实现对线性空间不变的模糊图像的盲复原,提出了一种基于稀疏性和平滑特性的多正则化约束的模糊图像盲复原方法.首先,根据自然图像边缘的稀疏特性,运用了一种权重的全变差范数(weighted total variation norm,简称WTV-norm)对复原图... 为了实现对线性空间不变的模糊图像的盲复原,提出了一种基于稀疏性和平滑特性的多正则化约束的模糊图像盲复原方法.首先,根据自然图像边缘的稀疏特性,运用了一种权重的全变差范数(weighted total variation norm,简称WTV-norm)对复原图像进行正则化约束;然后,从运动模糊的点扩散函数(motion point spread function,简称MPSF)的特性出发,提出一种能够适用于多种模糊情况的多正则化约束;最后,提出了一种改进的变量分裂(modified variable splitting,简称MVS)方法来得到清晰的复原图像,同时准确地估计出相应的模糊退化函数.大量的实验结果表明,该方法能够较好地复原多种不同类型的模糊(例如运动模糊、高斯模糊、均匀模糊、圆盘模糊).与近几年提出来的一些具有代表性的模糊图像盲复原方法相比,该方法不仅主观的视觉效果得到了较为明显的改进,而且客观的信噪比增量也增加了1.20dB^4.22dB. 展开更多
关键词 图像盲复原 权重的全变差范数 正则约束 运动模糊函数 改进的变量分裂方法
在线阅读 下载PDF
基于有约束L_(1/2)范数稀疏正则化的声源识别方法
2
作者 潘薇 李远文 +1 位作者 冯道方 黎敏 《振动与冲击》 EI CSCD 北大核心 2024年第2期166-178,共13页
基于等效源法(equivalent source method,ESM)的近场声全息(near field acoustic holography,NAH)是一种有效的声源识别技术。然而,针对空间稀疏分布的声源识别问题,传统基于L_(2)范数以及基于L_(1)范数的ESM方法分别存在声源幅值被低... 基于等效源法(equivalent source method,ESM)的近场声全息(near field acoustic holography,NAH)是一种有效的声源识别技术。然而,针对空间稀疏分布的声源识别问题,传统基于L_(2)范数以及基于L_(1)范数的ESM方法分别存在声源幅值被低估与算法稳定性差等问题。因此,提出了基于有约束L_(1/2)范数稀疏正则化的声源识别方法,该方法具有强稀疏性与强抗干扰的优势,可以解决传统方法的声源识别精度低的问题。通过数值模拟试验以及普通室内的实测实验,验证了方法的有效性。 展开更多
关键词 声源识别 等效源法(ESM) 约束L_(1/2)范数 稀疏正则
在线阅读 下载PDF
保留结构特征的稀疏性正则化图像修复 被引量:15
3
作者 邓承志 刘娟娟 +1 位作者 汪胜前 朱华生 《光学精密工程》 EI CAS CSCD 北大核心 2013年第7期1906-1913,共8页
以压缩传感和稀疏表示为理论依据,提出了一种基于剪切波变换的稀疏性正则化的图像修复模型,以便更好地保留图像的结构特征。该模型用剪切波作为图像的稀疏表示,以稀疏性作为正则化项;同时基于变量分裂法,采用增广Lagrange优化方法求解... 以压缩传感和稀疏表示为理论依据,提出了一种基于剪切波变换的稀疏性正则化的图像修复模型,以便更好地保留图像的结构特征。该模型用剪切波作为图像的稀疏表示,以稀疏性作为正则化项;同时基于变量分裂法,采用增广Lagrange优化方法求解最优化问题。另外,通过交替最小化方式来降低计算复杂性。从峰值信噪比(PSNR)、结构相似度(SSIM)、收敛速度和视觉效果等4个方面验证了算法的有效性。结果显示:利用本文算法修复图像的质量明显优于其他算法,获得了更优的PSNR和SSIM值。新的模型无论是在客观还是视觉主观方面都具有更好的性能,同时算法具有更快的收敛速度。得到的结果表明本文算法能够更好地修复图像,获得较好的视觉效果。 展开更多
关键词 图像修复 剪切波变换 稀疏正则 增广LAGRANGE函数
在线阅读 下载PDF
地震波形反演的稀疏约束正则化方法 被引量:16
4
作者 王薇 韩波 唐锦萍 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2013年第1期289-297,共9页
本文考虑地震波形反演问题.为了克服传统的Tikhonov正则化方法过度光滑的弊端,引入了非线性稀疏约束正则化方法,并采用对偶方法求解稀疏约束泛函的极小点.基于二维声波方程波形反演问题进行了数值模拟,针对不同模型对稀疏约束正则化方... 本文考虑地震波形反演问题.为了克服传统的Tikhonov正则化方法过度光滑的弊端,引入了非线性稀疏约束正则化方法,并采用对偶方法求解稀疏约束泛函的极小点.基于二维声波方程波形反演问题进行了数值模拟,针对不同模型对稀疏约束正则化方法进行了测试.结果表明,稀疏约束正则化方法对不连续介质模型的介质边缘具有良好的识别能力. 展开更多
关键词 波形反演 稀疏约束正则方法 对偶方法 不连续介质
在线阅读 下载PDF
一种稀疏约束的图正则化非负矩阵光谱解混方法 被引量:5
5
作者 甘玉泉 刘伟华 +3 位作者 冯向朋 于涛 胡炳樑 汶德胜 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2019年第4期1118-1127,共10页
由于受到高光谱遥感图像传感器平台的限制,图像的空间分辨率受到一定影响,这导致高光谱遥感图像的像元通常是多种地物的混合,也叫做混合像元。混合像元的存在制约了高光谱遥感图像的准确分析和应用领域。采用高光谱解混技术可将混合像... 由于受到高光谱遥感图像传感器平台的限制,图像的空间分辨率受到一定影响,这导致高光谱遥感图像的像元通常是多种地物的混合,也叫做混合像元。混合像元的存在制约了高光谱遥感图像的准确分析和应用领域。采用高光谱解混技术可将混合像元分解为纯净的物质光谱(Endmember,端元)和每种物质光谱所对应的混合比例(Abundance,丰度),为获取更多更精细的光谱提供了可能。这对高精度的地物分类识别、目标检测和定量遥感分析等研究领域具有重要的意义。因此,解混技术成为高光谱遥感图像领域的一个研究热点。基于线性光谱混合模型(linear spectral mixing model, LMM),提出了一种端元丰度联合稀疏约束的图正则化非负矩阵分解(endmember and abundance sparse constrained graph regularized nonnegative matrix factorization, EAGLNMF)算法。该算法通过研究基于非负矩阵分解(nonnegative matrix factorization, NMF)的方法,结合图正则化理论来考虑高光谱数据内部的几何结构,将端元光谱稀疏约束和丰度稀疏约束应用于其中,从而能够对高光谱数据的内部流形结构进行更为有效的表达。首先,构造了EAGLNMF算法的损失函数,采用VCA-FCLS方法进行初始化,然后,设定相关参数,包括图正则化权重矩阵参数、端元光谱稀疏约束因子和丰度矩阵稀疏约束因子,最后,通过推导得到了端元矩阵与丰度矩阵的迭代公式,并且设置了迭代停止条件。该方法不受图像中是否有纯像元的限制。实际上,在现行高光谱遥感传感器平台情况下,高光谱遥感图像中几乎不存在纯像元,因此, EAGLNMF方法为高光谱遥感图像的实际应用提供了一种思路。采用合成的高光谱数据,构造了4个实验来分析该方法的可行性和有效性,实验将该算法与VCA-FCLS,标准NMF及GLNMF等经典的解混算法进行比较,通过光谱角距离(spectral angle distance, SAD)和丰度角距离(abundance angle distance, AAD)这两个度量标准来进行比较。实验1是总体分析实验。在固定的信噪比和固定端元数目的情况下,用以上三种经典方法与EAGLNMF同时进行解混。实验2是SNR影响分析实验。在固定端元数目和不同信噪比的情况下,用这四种方法进行解混。实验3端元数目分析实验。在固定信噪比和不同端元数目的情况下,用四种方法进行解混,并且将结果进行对比。实验结果发现提出的EAGLNMF方法在提取端元精度和估计丰度精度上都更为准确。同时,实验4是稀疏因子分析实验。对端元稀疏约束和丰度稀疏约束之间的影响因子进行分析,实验结果表明引入的端元稀疏约束对于解混结果也具有较好的影响,并且端元稀疏约束和丰度稀疏约束之间的影响因子也对解混结果具有一定影响。最后,将该算法应用于AVIRIS所采集的真实高光谱图像数据,将其解混结果与美国地质勘探局光谱库中光谱进行匹配对比,其提取的平均端元精度相比于其他三种方法要稍好。 展开更多
关键词 高光谱图像 正则 稀疏约束 非负矩阵分解 光谱解混
在线阅读 下载PDF
位场数据重构的l_p范数稀疏约束正则化方法 被引量:1
6
作者 陈国新 陈生昌 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2014年第4期748-756,共9页
基于位场数据在离散余弦变换域的稀疏性,利用lp(0≤p<1)范数代替l1范数作为模型参数稀疏性的度量.引入lp范数稀疏约束正则化方法,借用迭代再加权最小二乘算法思想求解得到稀疏约束优化问题的解.分析不同p值的lp范数稀疏约束正则化方... 基于位场数据在离散余弦变换域的稀疏性,利用lp(0≤p<1)范数代替l1范数作为模型参数稀疏性的度量.引入lp范数稀疏约束正则化方法,借用迭代再加权最小二乘算法思想求解得到稀疏约束优化问题的解.分析不同p值的lp范数稀疏约束正则化方法的数据重构能力.将该算法应用于实际位场数据重构试验中获得了较理想的结果,通过边界外延加大计算区域的方法减少了边界数据的重构误差,提高了数据重构质量. 展开更多
关键词 位场数据重构 LP范数 稀疏约束正则方法 迭代再加权最小二乘算法
在线阅读 下载PDF
一种卷积神经网络的稀疏性Dropout正则化方法 被引量:23
7
作者 周安众 罗可 《小型微型计算机系统》 CSCD 北大核心 2018年第8期1674-1679,共6页
Dropout是卷积神经网络中经典的正则化方法,能有效防止过拟合现象的产生.基于Dropout的卷积神经网络在训练时以完全随机的方式删除部分节点,产生的局部网络缺少对不同样本的区分性.针对上述问题,提出一种稀疏性Dropout正则化方法,该方... Dropout是卷积神经网络中经典的正则化方法,能有效防止过拟合现象的产生.基于Dropout的卷积神经网络在训练时以完全随机的方式删除部分节点,产生的局部网络缺少对不同样本的区分性.针对上述问题,提出一种稀疏性Dropout正则化方法,该方法在训练时对节点引入稀疏性限制,根据激活值的大小选择节点被删除的概率,使网络以更高的概率删除激活值较低的节点,以保留更多激活值较高的节点,增强模型的特征提取能力.测试时恢复所有被删除的节点并保留训练时的参数,达到组合多个局部网络的目的.在公开数据集上的实验结果表明,将稀疏性与Dropout相结合的方法相较于传统方法具有更好的泛化能力. 展开更多
关键词 DROPOUT 卷积神经网络 正则 过拟合 稀疏
在线阅读 下载PDF
基于范数归一化和稀疏正则化约束的结构损伤检测 被引量:7
8
作者 骆紫薇 余岭 +1 位作者 刘焕林 潘楚东 《振动与冲击》 EI CSCD 北大核心 2018年第18期30-35,58,共7页
利用结构损伤空间稀疏性进行结构损伤识别是结构健康监测领域的研究热点之一,基于结构灵敏度分析与稀疏正则化的损伤识别方法能有效识别结构损伤位置和程度,但在噪声等因素影响下,其识别结果容易出现误判和刚度强化等问题。针对此问题,... 利用结构损伤空间稀疏性进行结构损伤识别是结构健康监测领域的研究热点之一,基于结构灵敏度分析与稀疏正则化的损伤识别方法能有效识别结构损伤位置和程度,但在噪声等因素影响下,其识别结果容易出现误判和刚度强化等问题。针对此问题,基于范数归一化与稀疏正则化约束,提出了一种结构损伤检测方法;该方法在迭代求解过程中,通过增加范数归一化、稀疏正则化约束以及对模型增加牛顿迭代法约束和总损伤折减系数约束,达到减少误判、增加结果合理化和提高识别精度的目的。三种不同结构损伤识别仿真算例研究表明:增加范数归一化和模型约束后,结构损伤识别精度得到明显提高;在不同噪声水平下,所提新方法既能有效定位结构损伤又能准确识别结构损伤程度,且具有较强鲁棒性。 展开更多
关键词 结构损伤识别 一阶灵敏度分析 稀疏正则 模型约束 范数归一
在线阅读 下载PDF
基于布雷格曼迭代的稀疏正则化图像复原方法 被引量:2
9
作者 陈曦 《科学技术与工程》 北大核心 2014年第9期189-193,共5页
为了实现模糊噪声图像的清晰化复原,提出了一种基于布雷格曼迭代的稀疏正则化约束的图像复原算法。首先,运用差分算子,得到图像中各个方向上的梯度信息;然后,利用提取的梯度信息,得到图像边缘各个方向上的权重;并结合稀疏性原理... 为了实现模糊噪声图像的清晰化复原,提出了一种基于布雷格曼迭代的稀疏正则化约束的图像复原算法。首先,运用差分算子,得到图像中各个方向上的梯度信息;然后,利用提取的梯度信息,得到图像边缘各个方向上的权重;并结合稀疏性原理,针对复原图像,提出了一种权重的稀疏性正则化约束;最后,运用了一种布雷格曼迭代(Bregman Iteration,BI)策略对提出的方法进行最优化求解。实验结果表明,较近几年的一些具有代表性的图像复原方法相比,不仅主观的视觉效果得到了较为明显的改进,而且客观的信噪比增量也增加了0.3~2.5dB。 展开更多
关键词 图像复原 梯度信息 稀疏原理 权重的稀疏性正则化约束 布雷格曼迭代
在线阅读 下载PDF
基于超像素的流形正则化稀疏约束NMF混合像元分解算法 被引量:3
10
作者 李登刚 陈香香 +1 位作者 李华丽 王忠美 《计算机应用》 CSCD 北大核心 2019年第10期3100-3106,共7页
针对传统非负矩阵分解(NMF)法用于高光谱图像混合像元分解时产生的分解结果精度不高、对噪声敏感等问题,提出一种基于超像素的流形正则化稀疏约束NMF混合像元分解算法——MRS-NMF。首先,通过基于熵率的超像素分割来构造高光谱图像的流... 针对传统非负矩阵分解(NMF)法用于高光谱图像混合像元分解时产生的分解结果精度不高、对噪声敏感等问题,提出一种基于超像素的流形正则化稀疏约束NMF混合像元分解算法——MRS-NMF。首先,通过基于熵率的超像素分割来构造高光谱图像的流形结构,把原图像分割为k个超像素块并把每个超像素块中具有相似性质的数据点标上相同的标签,定义像素块内有相同标签的任意两个数据点之间的权重矩阵,然后将权重矩阵应用于NMF的目标函数中以构造出流形正则化约束项;第二,在目标函数中添加二次抛物线函数以完成稀疏约束;最后,采用乘法迭代更新法则求解目标函数以得到端元矩阵和丰度矩阵的求解公式,同时设置最大迭代次数和容忍误差阈值,迭代运算得到最终结果。该方法有效利用了高光谱图像的光谱和空间信息。实验结果表明,在模拟的高光谱数据中,与传统的流形稀疏约束的非负矩阵分解(GLNMF)、L1/2-NMF和顶点成分分析全约束最小二乘法(VCA-FCLS)等方法相比,MRS-NMF可以提高0.016~0.063的端元分解精度和0.01~0.05的丰度分解精度;而在真实的高光谱图像中,MRS-NMF较传统的GLNMF、顶点成分分析法(VCA)、最小体积约束的非负矩阵分解(MVCNMF)等方法可以平均提高0.001~0.0437的端元分解精度。所提MRS-NMF算法有效地提高了混合像元分解的精度,同时具有较好的抗噪性能。 展开更多
关键词 混合像元分解 非负矩阵分解 超像素分割 流形正则 稀疏
在线阅读 下载PDF
推广的正则化FOCUSS算法及收敛性分析 被引量:17
11
作者 杜小勇 胡卫东 郁文贤 《系统工程与电子技术》 EI CSCD 北大核心 2005年第5期922-925,共4页
针对一类可分的稀疏性度量函数,利用梯度分解技术给出了稀疏信号重构的拟牛顿算法。进一步研究表明,基于再加权最小2 范数的FOCUSS算法以及基于p 范数的正则化FOCUSS算法都是拟牛顿算法的特例。由此导出了可用于稀疏成份分析的广义正则... 针对一类可分的稀疏性度量函数,利用梯度分解技术给出了稀疏信号重构的拟牛顿算法。进一步研究表明,基于再加权最小2 范数的FOCUSS算法以及基于p 范数的正则化FOCUSS算法都是拟牛顿算法的特例。由此导出了可用于稀疏成份分析的广义正则化FOCUSS算法,并证明了该算法的收敛性。数值结果表明广义FO CUSS算法收敛到局部极小点,并且在迭代初值较为准确时能找到最合理的稀疏解。 展开更多
关键词 稀疏成份分析 可分度量 正则 收敛
在线阅读 下载PDF
空间目标图像的非凸稀疏正则化波后复原 被引量:4
12
作者 郭从洲 时文俊 +1 位作者 秦志远 耿则勋 《光学精密工程》 EI CAS CSCD 北大核心 2016年第4期902-912,共11页
现有的空间目标图像波后处理方法多直接套用自然光学图像的复原技术,效果并不理想。本文通过分析空间目标图像的近似稀疏性和灰度值服从超拉普拉斯分布的独有特点,提出了一个采用正则化方法的非凸稀疏正则化空间目标图像复原模型。在数... 现有的空间目标图像波后处理方法多直接套用自然光学图像的复原技术,效果并不理想。本文通过分析空间目标图像的近似稀疏性和灰度值服从超拉普拉斯分布的独有特点,提出了一个采用正则化方法的非凸稀疏正则化空间目标图像复原模型。在数值计算过程中,根据交替方向乘数法将复原模型分解为两个子问题,对凸优化子问题采用快速傅里叶变换求解,对非凸优化子问题采用固定点迭代方法求解。文中设计了非凸稀疏正则化空间目标图像波后复原的完整算法流程,并针对模拟图像和真实空间目标图像进行了对比验证。结果显示:相对于最近的流行算法,提出方法的最大峰值信噪比提高了2dB,最大平均结构相似度提高了0.17,最大信息熵提高了3.85,图像清晰度提高了2.65。 展开更多
关键词 空间目标图像 波后复原 稀疏 正则 非凸优 交替方向乘数法
在线阅读 下载PDF
基于重加权L1的ATpV正则化叠前反演方法
13
作者 潘树林 陈耀杰 +2 位作者 尹成 苟其勇 张洞君 《西南石油大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第3期13-26,共14页
地震叠前反演能够准确获取地下储层介质的各类参数,是油气的勘探与开发中重要技术之一。然而,地震反演是典型的病态问题,为了克服此问题,通常使用正则化约束目标函数,来减轻反演问题的病态性。但是正则化约束忽略了地层边界的振幅信息,... 地震叠前反演能够准确获取地下储层介质的各类参数,是油气的勘探与开发中重要技术之一。然而,地震反演是典型的病态问题,为了克服此问题,通常使用正则化约束目标函数,来减轻反演问题的病态性。但是正则化约束忽略了地层边界的振幅信息,使用重加权方法可以很好地克服这一问题,更好地恢复稀疏性。提出了一种基于重加权L1的ATpV正则化叠前三参数反演方法(ATpV-L1方法),首次将重加权L1方法与ATpV方法结合,并引入到叠前反演中。采用交替方向乘子算法(ADMM)建立反演框架,对目标函数进行分块优化,有效提高了收敛速度。首先,介绍ATpV-L1方法,建立了基于ATpV-L1的叠前反演目标函数;然后,应用理论模拟数据对比新方法和ATpV方法反演结果,验证了方法的效果;最后,使用实际数据进行实验分析,进一步验证了ATpV-L1方法的反演精度及可行性。实验结果表明,提出的ATpV-L1方法可以有效恢复反演结果的稀疏性,提高反演精度。 展开更多
关键词 重加权L1方法 ATpV正则 叠前反演 稀疏约束 交替方向乘子法 误差分析
在线阅读 下载PDF
稀疏诱导流形正则化凸非负矩阵分解算法 被引量:3
14
作者 邱飞岳 陈博文 +1 位作者 陈铁明 章国道 《通信学报》 EI CSCD 北大核心 2020年第5期84-95,共12页
针对非负矩阵分解方法在有噪声的真实数据中获得特征的有效性问题,提出了一种稀疏诱导的流形正则化凸非负矩阵分解算法。所提算法在流形正则化的基础上,向低维子空间的基矩阵添加基于L2,1范数的稀疏约束,构建了乘法更新规则,分析在该规... 针对非负矩阵分解方法在有噪声的真实数据中获得特征的有效性问题,提出了一种稀疏诱导的流形正则化凸非负矩阵分解算法。所提算法在流形正则化的基础上,向低维子空间的基矩阵添加基于L2,1范数的稀疏约束,构建了乘法更新规则,分析在该规则下算法的收敛性,并设计了在低维子空间上不同噪声环境下的聚类实验。K均值聚类实验结果表明,稀疏约束降低了噪声特征在学习中的表达能力,所提算法在不同程度上优于同类8种算法,对噪声有更强的稳健性。 展开更多
关键词 非负矩阵分解 流形正则 稀疏约束 K均值聚类
在线阅读 下载PDF
基于AdaBoost的弹性网型正则化多核学习算法 被引量:1
15
作者 任胜兵 谢如良 《计算机工程》 CAS CSCD 北大核心 2019年第10期189-195,共7页
在正则化多核学习中,稀疏的核函数权值会导致有用信息丢失和泛化性能退化,而通过非稀疏模型选取所有核函数则会产生较多的冗余信息并对噪声敏感。针对上述问题,基于AdaBoost框架提出一种弹性网型正则化多核学习算法。在迭代选取基本分... 在正则化多核学习中,稀疏的核函数权值会导致有用信息丢失和泛化性能退化,而通过非稀疏模型选取所有核函数则会产生较多的冗余信息并对噪声敏感。针对上述问题,基于AdaBoost框架提出一种弹性网型正则化多核学习算法。在迭代选取基本分类器时对核函数的权值进行弹性网型正则化约束,即混合L 1范数和L p范数约束,构造基于多个基本核最优凸组合的基本分类器,并将其集成到最终的强分类器中。实验结果表明,该算法在保留集成算法优势的同时,能够实现核函数权值稀疏性和非稀疏性的平衡,与L 1-MKL和L p-MKL算法相比,能够以较少的迭代次数获得分类精度较高的分类器。 展开更多
关键词 集成学习 多核学习 网型正则 弱分类器 稀疏
在线阅读 下载PDF
基于蚁狮优化算法与迹稀疏正则化的结构损伤识别 被引量:17
16
作者 陈承滨 余岭 +1 位作者 潘楚东 陈泽鹏 《振动与冲击》 EI CSCD 北大核心 2019年第16期71-76,99,共7页
针对基于群智能结构损伤识别既有方法的识别精度和抗噪鲁棒性不足问题,提出基于蚁狮优化算法与迹稀疏正则化的方法求解结构损伤识别问题。将结构损伤识别逆问题转化为数学中的约束优化问题,并根据模型修正原理利用结构模态参数定义优化... 针对基于群智能结构损伤识别既有方法的识别精度和抗噪鲁棒性不足问题,提出基于蚁狮优化算法与迹稀疏正则化的方法求解结构损伤识别问题。将结构损伤识别逆问题转化为数学中的约束优化问题,并根据模型修正原理利用结构模态参数定义优化问题的目标函数;在目标函数中引入迹稀疏约束;通过不同损伤工况下简支梁损伤识别数值模拟以及钢管简支梁实验验证方法的有效性。结果表明,基于蚁狮优化算法与迹稀疏正则化的结构损伤识别法能有效修正有限元模型,在不同噪声水平和损伤工况下不仅能准确定位损伤位置,且能精确识别损伤程度;该方法为结构损伤的现场识别提供了可能性。 展开更多
关键词 结构损伤识别(SDD) 蚁狮优算法(ALO) 稀疏正则 约束问题 模型修正
在线阅读 下载PDF
基于L1/2正则化和局部纹理约束的人脸超分辨率图像重建 被引量:3
17
作者 王宝成 李波 《计算机应用研究》 CSCD 北大核心 2020年第2期598-600,605,共4页
为了更好地利用低分辨率人脸图像,提出了一种基于L1/2正则化和局部纹理约束的人脸超分辨率重建。在人脸重建的过程中,使用非负矩阵分解将人脸图像放大到合适的中等分辨率,使用局部纹理约束加强纹理特征提取;然后使用局部稀疏先验进行人... 为了更好地利用低分辨率人脸图像,提出了一种基于L1/2正则化和局部纹理约束的人脸超分辨率重建。在人脸重建的过程中,使用非负矩阵分解将人脸图像放大到合适的中等分辨率,使用局部纹理约束加强纹理特征提取;然后使用局部稀疏先验进行人脸图像重建,再次加入重建约束和局部纹理约束。为了使获取的人脸图像稀疏系数更加稀疏,使用L1/2正则化求解稀疏表示系数。实验结果表明,重建的人脸图像保持了原图像的结构,可以实现很好的重建结果,并且具有更好的鲁棒性。 展开更多
关键词 稀疏表示 人脸图像 图像重建 L1/2正则 局部纹理约束
在线阅读 下载PDF
基于稀疏表示及正则约束的图像去噪方法综述 被引量:22
18
作者 彭真明 陈颖频 +2 位作者 蒲恬 王雨青 何艳敏 《数据采集与处理》 CSCD 北大核心 2018年第1期1-11,共11页
数据去噪声是信号和图像处理领域的一个经典问题,广泛应用于各类工程实践中。由于噪声源的多样性,去噪一直是富有挑战性且十分活跃的研究课题,发展了多种经典去噪方法。近年来,随着压缩感知理论的发展,基于稀疏表示及正则化约束反问题... 数据去噪声是信号和图像处理领域的一个经典问题,广泛应用于各类工程实践中。由于噪声源的多样性,去噪一直是富有挑战性且十分活跃的研究课题,发展了多种经典去噪方法。近年来,随着压缩感知理论的发展,基于稀疏表示及正则化约束反问题求解方法成为图像去噪领域的重要发展方向和技术途径。本文首先回顾和总结图像噪声的来源和类型,然后针对不同类型的图像噪声,重点围绕基于稀疏表示及正则化约束的图像去噪技术进行全面综述,分析和描述了几种主要去噪方法的原理及优缺点。最后,对去噪算法的性能评价指标进行总结。 展开更多
关键词 图像去噪 稀疏表示 字典学习 全变分 正则约束
在线阅读 下载PDF
基于L1/2正则化理论的地震稀疏反褶积 被引量:8
19
作者 康治梁 张雪冰 《石油物探》 EI CSCD 北大核心 2019年第6期855-863,共9页
地震反褶积是一种重要的压缩地震子波、提高薄层纵向分辨率的地震数据处理方法。在层状地层的假设下,反射系数可视作稀疏的脉冲序列,所以地震反褶积可以描述为一个稀疏求解问题,L 1正则化被广泛用于解决稀疏问题,但近年来一些文献证明L ... 地震反褶积是一种重要的压缩地震子波、提高薄层纵向分辨率的地震数据处理方法。在层状地层的假设下,反射系数可视作稀疏的脉冲序列,所以地震反褶积可以描述为一个稀疏求解问题,L 1正则化被广泛用于解决稀疏问题,但近年来一些文献证明L 1正则化的稀疏表达能力不是最优的。针对这一问题,基于快速发展的L 1/2正则化理论,提出将L 1/2正则化作为反射系数的稀疏约束进行地震反褶积处理,并使用其特定的阈值迭代算法进行求解,对单道模型的测试证实了该方法对正则化参数和噪声有较好的适应能力。简单二维模型和Marmousi2模型数据的测试结果表明,基于该方法的反演结果能较好地拟合反射系数振幅,并且对噪声干扰的鲁棒性更强,能够更好地保护弱反射系数。实际数据应用结果表明,该方法能有效消除子波影响,较好地分辨出薄层结构和透镜体结构,为地震数据高分辨处理提供了有力工具。 展开更多
关键词 地震反演 稀疏 L 1正则 L 1/2正则理论 非凸正则 高分辨率 薄层识别
在线阅读 下载PDF
泛化界正则项:理解权重衰减正则形式的统一视角 被引量:3
20
作者 李翔 陈硕 杨健 《计算机学报》 EI CAS CSCD 北大核心 2021年第10期2122-2134,共13页
经验风险最小化(Empirical Risk Minimization,ERM)旨在学习一组模型参数来尽可能地拟合已观测到的样本,使得模型具有基础的识别能力.除了ERM,权重衰减(Weight Decay,WD)对于进一步提升模型的泛化能力,即对未观测样本的精准识别也非常重... 经验风险最小化(Empirical Risk Minimization,ERM)旨在学习一组模型参数来尽可能地拟合已观测到的样本,使得模型具有基础的识别能力.除了ERM,权重衰减(Weight Decay,WD)对于进一步提升模型的泛化能力,即对未观测样本的精准识别也非常重要.然而,WD的具体形式仅仅是在优化过程中不断缩小所学习的模型参数,这很难与提升泛化能力这个概念直接地联系起来,尤其是对于多层深度网络而言.本文首先从计算学习理论(learning theory)中的鲁棒性(robustness)与泛化性(generalization)之间的量化关系出发,推导出了一个统一的泛化界正则项(Generalization Bound Regularizer,GBR)来理解WD的作用.本文证明了优化WD项(作为损失目标函数的一部分)本质上是在优化GBR的上界,而GBR则与模型的泛化能力有着理论上的直接关联.对于单层线性系统,本文可以直接推导出该上界;对于多层深度神经网络,该上界可以通过几个不等式的松弛来获得.本文通过引入均等范数约束(Equivalent Norm Constraint,ENC)即保证上述不等式的取等条件来进一步压缩GBR与其上界之间的距离,从而获得具有更好泛化能力的网络模型,该模型的识别性能在大型ImageNet数据集上得到了全面的验证. 展开更多
关键词 正则 经验风险最小 权重衰减 均等范数约束 深度神经网络
在线阅读 下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部