期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于核部分非负矩阵分解的亚像元级地物光谱分析
被引量：
1
1
作者
崔建涛
厉小润
赵辽英
《中国空间科学技术》
EI
CSCD
北大核心
2014年第4期46-52,65,共8页
为了进一步提高亚像元级地物的光谱分析精度,提出了一种基于核部分非负矩阵分解(Kernel Protection Non-negative Matrix Factorization,KPNMF)的非线性解混算法。首先通过基于凸面几何理论的端元提取方法提取纯像元端元候选像素集合,...
为了进一步提高亚像元级地物的光谱分析精度,提出了一种基于核部分非负矩阵分解(Kernel Protection Non-negative Matrix Factorization,KPNMF)的非线性解混算法。首先通过基于凸面几何理论的端元提取方法提取纯像元端元候选像素集合,然后根据候选像素的空间纯度指数判断纯像元端元。在纯像元端元信息已知的条件下,利用核方法对部分非负矩阵分解(Protection Non-negative Matrix Factorization,PNMF)进行推广,构造相应的目标函数,推导迭代求解过程,分解求得亚像元端元光谱和所有端元的丰度。试验结果表明,提出的解混算法具有良好的非线性分解能力,解混结果优于线性解混算法。
展开更多
关键词
高光谱解混
亚像元
凸面几何
空间纯度指数
部分非负矩阵分解
航天遥感
在线阅读
下载PDF
职称材料
基于卷积非负矩阵部分联合分解的强噪声单声道语音分离
被引量：
3
2
作者
董兴磊
胡英
+1 位作者
黄浩
吾守尔·斯拉木
《自动化学报》
EI
CSCD
北大核心
2020年第6期1200-1209,共10页
非负矩阵部分联合分解(Nonnegative matrix partial co-factorization,NMPCF)将指定源频谱作为边信息参与混合信号频谱的联合分解,以帮助确定指定源的基向量进而提高信号分离性能.卷积非负矩阵分解(Convolutive nonnegative matrix fact...
非负矩阵部分联合分解(Nonnegative matrix partial co-factorization,NMPCF)将指定源频谱作为边信息参与混合信号频谱的联合分解,以帮助确定指定源的基向量进而提高信号分离性能.卷积非负矩阵分解(Convolutive nonnegative matrix factorization,CNMF)采用卷积基分解的方法进行矩阵分解,在单声道语音分离方面取得较好的效果.为了实现强噪声条件下的语音分离,本文结合以上两种算法的优势,提出一种基于卷积非负矩阵部分联合分解(Convolutive nonnegative partial matrix co-factorization,CNMPCF)的单声道语音分离算法.本算法首先通过基音检测算法得到混合信号的语音起始点,再据此确定混合信号中的纯噪声段,最后将混合信号频谱和噪声频谱进行卷积非负矩阵部分联合分解,得到语音基矩阵,进而得到分离的语音频谱和时域信号.实验中,混合语音信噪比(Signal noise ratio,SNR)选择以¡3 dB为间隔从0 dB至¡12 dB共5种SNR.实验结果表明,在不同噪声类型和噪声强度条件下,本文提出的CNMPCF方法相比于以上两种方法均有不同程度的提高.
展开更多
关键词
卷积
非
负
矩阵
分解
非
负
矩阵
部分
联合
分解
语音分离
强噪声
单声道
在线阅读
下载PDF
职称材料
题名
基于核部分非负矩阵分解的亚像元级地物光谱分析
被引量：
1
1
作者
崔建涛
厉小润
赵辽英
机构
浙江大学电气工程学院
杭州电子科技大学计算机应用技术研究所
出处
《中国空间科学技术》
EI
CSCD
北大核心
2014年第4期46-52,65,共8页
基金
国家自然科学基金(61171152)
浙江省自然科学基金(LY13F020044)
教育部支撑计划(625010216)资助项目
文摘
为了进一步提高亚像元级地物的光谱分析精度,提出了一种基于核部分非负矩阵分解(Kernel Protection Non-negative Matrix Factorization,KPNMF)的非线性解混算法。首先通过基于凸面几何理论的端元提取方法提取纯像元端元候选像素集合,然后根据候选像素的空间纯度指数判断纯像元端元。在纯像元端元信息已知的条件下,利用核方法对部分非负矩阵分解(Protection Non-negative Matrix Factorization,PNMF)进行推广,构造相应的目标函数,推导迭代求解过程,分解求得亚像元端元光谱和所有端元的丰度。试验结果表明,提出的解混算法具有良好的非线性分解能力,解混结果优于线性解混算法。
关键词
高光谱解混
亚像元
凸面几何
空间纯度指数
部分非负矩阵分解
航天遥感
Keywords
Hyperspectral unmixing
Subpixel
Convex geometry
Spatial purity index
Partial nonnegative matrix factorization
Space remote sensing
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于卷积非负矩阵部分联合分解的强噪声单声道语音分离
被引量：
3
2
作者
董兴磊
胡英
黄浩
吾守尔·斯拉木
机构
新疆大学信息科学与工程学院
新疆大学多语种信息技术实验室
出处
《自动化学报》
EI
CSCD
北大核心
2020年第6期1200-1209,共10页
基金
国家自然科学基金(61761041,61663044)
国家自然科学基金青年基金(61603323)
+2 种基金
新疆维吾尔自治区自然科学基金(2016D01C061)
新疆大学自然科学基金(BS160239)
新疆自治区高校科研计划项目(XJ EDU2017T002)资助。
文摘
非负矩阵部分联合分解(Nonnegative matrix partial co-factorization,NMPCF)将指定源频谱作为边信息参与混合信号频谱的联合分解,以帮助确定指定源的基向量进而提高信号分离性能.卷积非负矩阵分解(Convolutive nonnegative matrix factorization,CNMF)采用卷积基分解的方法进行矩阵分解,在单声道语音分离方面取得较好的效果.为了实现强噪声条件下的语音分离,本文结合以上两种算法的优势,提出一种基于卷积非负矩阵部分联合分解(Convolutive nonnegative partial matrix co-factorization,CNMPCF)的单声道语音分离算法.本算法首先通过基音检测算法得到混合信号的语音起始点,再据此确定混合信号中的纯噪声段,最后将混合信号频谱和噪声频谱进行卷积非负矩阵部分联合分解,得到语音基矩阵,进而得到分离的语音频谱和时域信号.实验中,混合语音信噪比(Signal noise ratio,SNR)选择以¡3 dB为间隔从0 dB至¡12 dB共5种SNR.实验结果表明,在不同噪声类型和噪声强度条件下,本文提出的CNMPCF方法相比于以上两种方法均有不同程度的提高.
关键词
卷积
非
负
矩阵
分解
非
负
矩阵
部分
联合
分解
语音分离
强噪声
单声道
Keywords
Convolutive nonnegative matrix factorization(CNMF)
nonnegative matrix partial co-factorization(NM-PCF)
speech separation
strong noise
monaural speech
分类号
TN912.3 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于核部分非负矩阵分解的亚像元级地物光谱分析
崔建涛
厉小润
赵辽英
《中国空间科学技术》
EI
CSCD
北大核心
2014
1
在线阅读
下载PDF
职称材料
2
基于卷积非负矩阵部分联合分解的强噪声单声道语音分离
董兴磊
胡英
黄浩
吾守尔·斯拉木
《自动化学报》
EI
CSCD
北大核心
2020
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
