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
1
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
压缩感知框架下基于K-奇异值分解字典学习的地震数据重建
被引量：
38
1
作者
周亚同
王丽莉
蒲青山
《石油地球物理勘探》
EI
CSCD
北大核心
2014年第4期652-660,2,共9页
针对地震勘探中由于采集成本及采集环境等诸多因素导致地震数据不完整或者不规则问题,本文提出了一种压缩感知框架下基于K-奇异值分解(K-SVD)字典学习的地震数据重建算法。基本思路是首先对大量地震样本数据进行K-SVD字典训练得到超完...
针对地震勘探中由于采集成本及采集环境等诸多因素导致地震数据不完整或者不规则问题,本文提出了一种压缩感知框架下基于K-奇异值分解(K-SVD)字典学习的地震数据重建算法。基本思路是首先对大量地震样本数据进行K-SVD字典训练得到超完备字典,然后引入缺失地震数据的采样矩阵作为测量矩阵。在重建阶段则采用正则化正交匹配追踪(ROMP)实现缺失地震数据的恢复。与传统的基于Curvelet变换或基于傅里叶变换等地震数据重建算法采用单一基函数不同,本文引入的超完备字典能够自适应地根据训练样本数据进行特征提取,并能根据待处理数据的本身特点自适应选取变换基函数。超完备字典为地震数据自适应稀疏扩展提供了更大灵活性,有利于更好地重建数据。合成地震数据以及实际海洋数据重建实验验证了本文算法的可行性及有效性。
展开更多
关键词
压缩感知
K-奇异值分解(K-SVD)
字典学习
地震数据重建
正则化正交匹配追踪
在线阅读
下载PDF
职称材料
题名
压缩感知框架下基于K-奇异值分解字典学习的地震数据重建
被引量：
38
1
作者
周亚同
王丽莉
蒲青山
机构
河北工业业大学信息工程学院
北京
大学
数学科学
学院
东方地球物理公司国际勘探事
业
部
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2014年第4期652-660,2,共9页
基金
国家自然科学基金项目(60972106)
河北省自然科学基金项目(F2013202254)
天津市自然科学基金项目(11JCYBJC00900)联合资助
文摘
针对地震勘探中由于采集成本及采集环境等诸多因素导致地震数据不完整或者不规则问题,本文提出了一种压缩感知框架下基于K-奇异值分解(K-SVD)字典学习的地震数据重建算法。基本思路是首先对大量地震样本数据进行K-SVD字典训练得到超完备字典,然后引入缺失地震数据的采样矩阵作为测量矩阵。在重建阶段则采用正则化正交匹配追踪(ROMP)实现缺失地震数据的恢复。与传统的基于Curvelet变换或基于傅里叶变换等地震数据重建算法采用单一基函数不同,本文引入的超完备字典能够自适应地根据训练样本数据进行特征提取,并能根据待处理数据的本身特点自适应选取变换基函数。超完备字典为地震数据自适应稀疏扩展提供了更大灵活性,有利于更好地重建数据。合成地震数据以及实际海洋数据重建实验验证了本文算法的可行性及有效性。
关键词
压缩感知
K-奇异值分解(K-SVD)
字典学习
地震数据重建
正则化正交匹配追踪
Keywords
compressive sensing,K-singular value decomposition(K-SVD),dictionary learning,seis-mic data reconstruction,regularized orthogonal match pursuit
分类号
P631 [天文地球—地质矿产勘探]
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
压缩感知框架下基于K-奇异值分解字典学习的地震数据重建
周亚同
王丽莉
蒲青山
《石油地球物理勘探》
EI
CSCD
北大核心
2014
38
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
