期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
非负组稀疏约束优化问题的最优性条件
1
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 非负组稀疏约束优化问题 最优性条件 切锥 法锥
在线阅读 下载PDF
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:2
2
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 组稀疏约束 全波形反演 震源参数 谱投影梯度
在线阅读 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 组稀疏约束 局部平滑稀疏约束
在线阅读 下载PDF
基于稀疏组LASSO约束的本征音子说话人自适应
4
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 组稀疏约束 稀疏LASSO约束 近点梯度法
在线阅读 下载PDF
基于预滤波的组稀疏残差约束图像去噪模型 被引量:3
5
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
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部