导读:本文包含了稀疏算法论文开题报告文献综述及选题提纲参考文献，主要关键词:识别算法,智能监控,优化
稀疏算法论文文献综述
杨丰嘉[1]（2019）在《基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进》一文中研究指出人体行为识别作为计算机视觉研究热点,在智能监控、人机交互、运动分析等领域具有广泛的应用前景。文章运用时空特征协方差矩阵表征视频中人体行为,分别研究并改进了基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法。(本文来源于《科技创新与应用》期刊2019年35期）
任高明,李纪鑫,李乔杨,郝文涛[2]（2019）在《一种新的稀疏直线阵列波束形成算法》一文中研究指出为了提高稀布阵列天线的综合性能,稀布阵列天线不仅要有窄波束和高增益,还需要有稳健的波束形成算法,以增强其目标识别的能力和抑制干扰的能力。本文以稀疏直线阵列为基本模型,在遗传算法和特征投影及协方差矩阵重构(EP-CMR)算法的基础上,提出了一种新的稀疏直线阵列波束形成算法。该算法将方向图最大旁瓣电平作为适应度函数,通过不断优化阵元的位置,使得基于遗传算法及EP-CMR算法的稀疏直线阵列方向图的最大旁瓣电平最小。实验结果显示,本文算法不但能有效抑制主瓣干扰和旁瓣干扰,同时还可以减少天线阵元、降低成本,抑制阵列天线方向图的旁瓣电平。(本文来源于《电子设计工程》期刊2019年22期）
谢斌,黄安,黄辉[3]（2019）在《本征图像分解的稀疏表示彩色图像去噪算法》一文中研究指出为解决传统彩色图像去噪算法容易出现细节模糊、伪色彩及去噪效果不佳等问题,文中提出了一种基于本征图像分解的稀疏表示彩色图像去噪算法。利用本征图像分解良好的色彩保持和细节恢复等优点,将含噪彩色图像分解成反映图像真实颜色特征的反射率部分和反映图像亮度特征的光照率部分。一方面,反射率部分仅含有部分孤立噪声点且是具有分段平滑特性的彩色图像,因此文中采用在去除彩色图像轻度污染方面表现良好的基于稀疏表示的彩色图像去噪算法对其进行处理。另一方面,光照率部分包含了主要噪声成分且是具有较强稀疏性的灰度图像,因此文中采用能够保持图像细节的非局部集中稀疏表示灰度图像去噪算法对其进行处理。为了有效地求解所提算法,文中结合正交匹配追踪法和软阈值法设计了一种新的数值解法。数值实验结果表明,新算法明显优于经典的彩色图像去噪算法。以256×256的Boat图像为例,在噪声方差等于20时,新算法的PSNR值比K-SVD算法和NCSR算法分别提高了1.7dB和0.67dB,SSIM值比K-SVD方法和NCSR算法分别提高了0.11和0.09。文中所提算法在提高彩色图像去噪效果的同时能够有效地保留图像细节,在视觉效果和客观评价指标等方面均优于传统的ROF算法、K-SVD算法和NCSR算法。(本文来源于《液晶与显示》期刊2019年11期）
周浩轩,刘义民,刘韬[4]（2019）在《基于衰减余弦字典和稀疏特征符号搜索算法的轴承微弱故障特征提取》一文中研究指出通过分析轴承内外圈故障时域波形特征,结合其早期微弱故障特点,提出了一种与轴承故障波形高度匹配的衰减余弦过完备字典,同时与稀疏表示基追踪方法的特征符号搜索算法相结合的新型算法(ACFS),实现了强噪声干扰下轴承微弱故障特征的提取。通过分析原始信号频谱与理论故障特征,确定了张成原子库的参数,并结合特征符号搜索算法对不同信噪比轴承内圈仿真信号和轴承全寿命数据中的早期微弱故障信号进行了分析。对比普通包络解调方法与基于Symlet8小波包字典的普通BPDN结果表明,该方法可以在极早期实际轴承故障信号中高效、准确地提取出故障特征频率。对于噪声具有极好的冗余度与鲁棒性。(本文来源于《振动与冲击》期刊2019年21期）
韩丽,刘书宁,徐圣斯,朴京钰[5]（2019）在《自适应稀疏编码融合的非刚性叁维模型分类算法》一文中研究指出针对传统的叁维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性叁维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期）
穆绍硕,张解放[6]（2019）在《基于快速l_1-范数稀疏表示和TGV的超分辨算法研究》一文中研究指出针对光学相机成像分辨率低、噪声干扰严重等问题,本文提出一种能有效去噪的高精度超分辨方法—基于快速l1-范数稀疏表示和二阶广义全变分(TGV)的超分辨方法。首先利用各向异性扩散张量(ADT)作为边缘高频信息,通过快速l1-范数稀疏表示方法建立LR图像和相对应的高频信息ADT的字典集;其次将字典学习到的ADT边缘信息和TGV模型组合成新的规则项;最后利用新的规则项建立超分辨代价函数,并利用图像增强后处理方法对整幅图像进行优化。结果表明:算法对仿真数据和SO12233靶标数据具有较高的可行性和鲁棒性,能有效去除噪声等异常点,获得高质量清晰图像,同时与其他经典算法相比,所提算法超分辨的峰值信噪比和结构相似度均有所增大。(本文来源于《光电工程》期刊2019年11期）
田湘,高瑜翔,夏朝禹,曹远杰,张皓[7]（2019）在《基于块稀疏贝叶斯算法的图像重构方法与仿真》一文中研究指出针对贝叶斯学习方法(SBL)重构二维图像信号精度不高的问题,采用对图像信号分块重建的方式,将贝叶斯学习算法推广为块贝叶斯学习(BSBL)算法,用于二维图像信号的重构中,给出了重构算法的相应公式并进行了算法仿真。仿真结果表明,在相同的条件下,BSBL能够获得较好的图像重构效果和最小的二维重构误差。(本文来源于《信息与电脑(理论版)》期刊2019年21期）
贺良,郭海燕,何宏森,王学渊[8]（2019）在《基于改进稀疏线性预测的时延估计算法》一文中研究指出针对噪声与混响环境下,基于稀疏线性预测的时延估计算法性能下降的问题,提出一种改进的线性预测模型。为了获得麦克风信号的有效预滤波,将语音幅度谱的稀疏性和线性预测向量的稀疏性同时引入最小二乘准则,以此构建凸约束线性预测模型;运用Split-Bregman迭代方法对模型进行求解;使用预测误差信号建立基于改进L2/L1范数稀疏线性预测预白化的时延估计器。实验结果表明:与GCC-PHAT和L2/L1范数稀疏线性预测算法相比,所提算法具有更好的时延估计性能。(本文来源于《传感器与微系统》期刊2019年11期）
张亚,邹健,沈马锐,彭思豪[9]（2019）在《一种求解稀疏重构问题的加速分割Bregman迭代算法》一文中研究指出为提高分割Bregman迭代算法的收敛速率,将加速梯度方法与分割Bregman迭代算法结合,提出了一种加速分割Bregman迭代算法,并将该方法用于求解L_1范数约束条件下的稀疏重构问题。新算法在保持原有算法迭代简单、易于实现等优点的同时,还具有超线性收敛性,可更好地求解实际问题。试验结果表明,与目前已有方法相比,加速分割Bregman迭代算法在迭代次数上有明显提升。(本文来源于《长江大学学报(自然科学版)》期刊2019年10期）
黎丽,潘博,杨俊,蒋涛,陈丽[10]（2019）在《图像非局部自相似的稀疏表示算法》一文中研究指出在研究图像非局部自相似以及图像稀疏表示的基础上,致力于设计简单有效的数据变换方式,提出一个图像非局部自相似的投影算法,并利用该算法设计一个图像去噪声算法,通过稀疏表示图像,增强图像的纹理细节及图像的结构信息,从而恢复具有高保真度的图像.仿真实验结果表明,该算法能在保留图像纹理及结构信息的情况下有效去除噪声.(本文来源于《嘉兴学院学报》期刊2019年06期）
稀疏算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高稀布阵列天线的综合性能,稀布阵列天线不仅要有窄波束和高增益,还需要有稳健的波束形成算法,以增强其目标识别的能力和抑制干扰的能力。本文以稀疏直线阵列为基本模型,在遗传算法和特征投影及协方差矩阵重构(EP-CMR)算法的基础上,提出了一种新的稀疏直线阵列波束形成算法。该算法将方向图最大旁瓣电平作为适应度函数,通过不断优化阵元的位置,使得基于遗传算法及EP-CMR算法的稀疏直线阵列方向图的最大旁瓣电平最小。实验结果显示,本文算法不但能有效抑制主瓣干扰和旁瓣干扰,同时还可以减少天线阵元、降低成本,抑制阵列天线方向图的旁瓣电平。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
稀疏算法论文参考文献
[1].杨丰嘉.基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进[J].科技创新与应用.2019
[2].任高明,李纪鑫,李乔杨,郝文涛.一种新的稀疏直线阵列波束形成算法[J].电子设计工程.2019
[3].谢斌,黄安,黄辉.本征图像分解的稀疏表示彩色图像去噪算法[J].液晶与显示.2019
[4].周浩轩,刘义民,刘韬.基于衰减余弦字典和稀疏特征符号搜索算法的轴承微弱故障特征提取[J].振动与冲击.2019
[5].韩丽,刘书宁,徐圣斯,朴京钰.自适应稀疏编码融合的非刚性叁维模型分类算法[J].计算机辅助设计与图形学学报.2019
[6].穆绍硕,张解放.基于快速l_1-范数稀疏表示和TGV的超分辨算法研究[J].光电工程.2019
[7].田湘,高瑜翔,夏朝禹,曹远杰,张皓.基于块稀疏贝叶斯算法的图像重构方法与仿真[J].信息与电脑(理论版).2019
[8].贺良,郭海燕,何宏森,王学渊.基于改进稀疏线性预测的时延估计算法[J].传感器与微系统.2019
[9].张亚,邹健,沈马锐,彭思豪.一种求解稀疏重构问题的加速分割Bregman迭代算法[J].长江大学学报(自然科学版).2019
[10].黎丽,潘博,杨俊,蒋涛,陈丽.图像非局部自相似的稀疏表示算法[J].嘉兴学院学报.2019