导读:本文包含了稀疏表征论文开题报告文献综述及选题提纲参考文献，主要关键词:合作推荐,稀疏分布式表征,社会网络,相似度
稀疏表征论文文献综述
李仲,韩红旗,吴广印,翟晓瑞,李琳娜[1]（2019）在《基于文本稀疏分布式表征的学术合作推荐》一文中研究指出【目的/意义】帮助科研工作者了解领域相关科研工作者的研究内容,促进开展进一步的交流合作。【方法/过程】根据稀疏分布式表征理论对作者论文的文本内容进行特征表示,计算作者研究内容相似性,根据得分进行排序推荐。【结果/结论】选取了NIPS会议论文数据集进行了实验,将实验结果与TD-IDF方法和LDA主题模型方法进行对比,证明了稀疏分布式表征是一种能够从语义层面表征对象特征的数据表示方式,能有效用于合作推荐。(本文来源于《情报科学》期刊2019年06期）
伍林峰,冯早,黄国勇,李洋[2]（2019）在《小波包增强稀疏表征分类的管道堵塞故障识别》一文中研究指出针对在声学主动检测埋地排水管道故障的过程中,不同程度堵塞信号及常规管道部件叁通件信号等难以有效区分的问题,提出小波包增强稀疏表征分类(SRC)的堵塞故障识别方法。该方法首先对管道中采集的声学信号进行小波包分解,提取不同尺度分量的多个时频特征参数并筛选出更为有效的特征值,构建能全面表征不同程度堵塞与管道叁通件信号的特征向量,然后利用特征向量分别构造字典和稀疏表征分类器。实验结果表明,该方法在少量样本情况下仍能有效识别排水管道内不同程度的堵塞故障及管道叁通件,具有一定的工程实用价值。(本文来源于《电子测量与仪器学报》期刊2019年03期）
翟晓瑞,韩红旗,张运良,李仲[3]（2019）在《基于稀疏分布式表征的英文着者姓名消歧研究》一文中研究指出为将稀疏分布式表征理论应用到着者姓名消歧,了解其在解决姓名消歧问题时的效果,提出了基于稀疏分布式表征的英文文献着者姓名消歧方法。该方法选择论文摘要文本信息作为消歧特征,将其生成二进制表示的SDR码。根据待消歧论文的SDR与同名作者的论文SDR相似度对比来实现着者姓名消歧。最终得到的结果为准确率98. 21%,召回率76. 75%,F值86. 17%,证明提出的消歧方法具有较好的效果。通过将该方法与利用合着者特征进行消歧的方法进行对比,说明该方法能够较好地解决文献着者姓名歧义问题。此外,该方法还可将作者未收录在作者库中的论文识别出来并将其指派给新作者,无须重新学习和更新模型。(本文来源于《计算机应用研究》期刊2019年12期）
胡荣海,黄翔宇[4]（2018）在《一种地外天体路标图像的稀疏化表征方法》一文中研究指出针对用于地外天体着陆视觉导航的路标图像信息存在的计算量大和占用存储空间大等问题,提出一种路标图像的稀疏化表征方法.引入着陆路标图像的尺度估计和尺度变换,采用Harris算法提取路标特征点,改进了FREAK特征描述子用以稀疏化表征天体路标信息;并针对图像旋转、尺度变化、图像噪声和尺度估计误差4种外界干扰,仿真对比改进算法与原FREAK算法、SURF算法的性能.仿真结果表明:提出的算法大幅减少计算量和特征描述子所占用的存储空间,同时能够正确匹配到更多的路标特征,鲁棒性更好,更适合地外天体着陆任务应用.(本文来源于《空间控制技术与应用》期刊2018年03期）
孙宏健[5]（2018）在《面向稀疏表征的滚动轴承-转轴复合故障诊断方法研究》一文中研究指出滚动轴承在现代旋转机械设备中的应用极其广泛,是保障系统安全平稳运行的关键一环,也是最容易出现失效故障的零部件之一,对滚动轴承的工作性能进行有针对性的状态监测和故障诊断不仅能够有效避免恶性事故的发生,而且也有利于合理维护策略的制定,降低设备维护不足或维护过剩的概率。本文以存在复合故障的滚动轴承-转轴系统为研究对象,针对不同应用场合的诊断需求,提出了面向稀疏表征的故障诊断方法,实现了对滚动轴承-转轴复合故障的定性以及定量诊断,为滚动轴承-转轴系统的状态监测提供了新的技术手段。以典型的滚动轴承外圈单点故障为基础,分析了滚珠在经过故障区域时的运动过程,以及滚珠进入故障激励阶跃信号与离开故障激励冲击信号之间的特征差异,并据此提出了一种适用于轴承外圈故障尺寸估计的理论公式。在同时考虑轴承-转轴故障的基础上,建立了一种具有代表性的复合故障激励信号模型;分别针对定性和定量的故障诊断需求,进一步细化分析了所提信号模型中各分量的细节特征。面向定性诊断方法中复合故障激励信号的稀疏“冲击”表征问题,通过构造叁种具备不同共振属性的冗余字典,并提出一种基于线性时不变滤波和比例增广拉格朗日方法的快速算法,实现对滚动轴承复合故障激励多共振分量和转轴故障激励转频谐波分量的有效分离,从而对轴承故障数量、严重程度以及转轴状态作出定性诊断。通过仿真数据验证了所提定性诊断方法的有效性,并利用相关系数定量分析了所提方法中主要参数对稀疏表征结果的影响规律,为参数选取提供指导意见。面向定量诊断方法中复合故障激励信号的稀疏“阶跃-冲击”表征问题,提出基于线性时不变滤波和AR模型的信号预处理方法,有效解决了原始信号中转频谐波成分造成的阶跃“峰值模糊”以及信噪比低的问题。在此基础上,提出一种以ADOMP(Adapted dictionary free orthogonal matching pursuit)为核心的“阶跃-冲击”信号稀疏表征和相互分离方法,结合所得原子时移因子对滚珠进入和离开故障时刻的进行定位,从而准确估计出复合故障的具体尺寸,实现对复合故障的定量诊断。通过实验研究以及对比分析,分别证实了所提定性和定量故障诊断方法在评估滚动轴承-转轴复合故障状态方面的有效性以及优越性。同时进一步探究了所提定量诊断方法在不同转速、复合故障尺寸组合下的适应性,从故障信号激励机理方面对出现的偏差现象给出了合理的解释,为尺寸估计公式的合理修正提供了理论依据。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
梅术正[6]（2018）在《基于改进稀疏表征与二部图模型的碎矿粒度检测》一文中研究指出碎矿石的粒度信息能反映破碎机械的工作状况,通过检测这些信息,可以掌握矿石的粒度分布情况,从而帮助调节碎矿机排矿口宽度,实现碎矿粒度分布调节;同时对碎矿系统实施过程优化控制,降低能耗,提高矿产资源的利用率。但是,目前的碎矿图像分割算法效果较差,难以实现粘连矿石图像的有效分割,从而影响碎矿粒度测定的准确度。稀疏表征可有效保证图像的全局特性和语义分割结果,但忽略相邻超像素块之间联系的重要性。因此,针对碎矿图像特性与稀疏表征算法的缺陷,提出了基于改进稀疏表征与二部图的分割算法。该算法首先利用超像素分割算法对图像进行预处理;接着,提取所有超像素的颜色以及纹理特征并将所有与被重构超像素相邻的超像素特征组成字典;然后,用该字典得到的重构误差来描述超像素之间的相似性;最后,依据二部图分割原理构建基于稀疏表征的图像二部图模型,并用T-cut谱聚类算法对图像进行分割。在标准彩色图像库BSDS300上的测试结果表明,改进算法的主要评价指标较改进前有所提升,特别是PRI指标从0.8355增长到0.8361。在改进后的算法框架上研究出当像素与超像素间的权重为0.045、稀疏度为5,LBP特征取64维时,算法在标准彩色图像库BSDS300上的PRI指标最高。为测定碎矿粒度分布,对上述算法得到图像中的每个区域进行处理。首先,根据区域平均灰度,判断目标是否为矿石;接着,对碎矿粒度图像进行二值化处理以及开闭运算操作;最后,提取矿石的轮廓并统计碎矿粒径的分布情况。在实际碎矿机械上的实验结果表明,该算法能实现粘连碎矿图像的分割,并有效测定碎矿的粒度信息。(本文来源于《湖北工业大学》期刊2018-05-25）
袁浩东[7]（2018）在《基于稀疏表征及字典学习的故障诊断方法研究》一文中研究指出随着科学技术的飞速发展,现代机械设备越来越大型化、高速化、重载化和智能化,而这些设备的运行工况却越来越复杂和苛刻,因此要求其具有很高的运行可靠性。如果机械设备中某些关键部件发生了故障,不但会造成企业和国家的巨大经济损失,严重时甚至会导致人员伤亡和环境污染并造成恶劣的社会影响。因此机械设备的状态监测和故障诊断对保障企业的经济效益和工人的安全意义重大。本文以稀疏表征理论和字典学习方法为基础,以滚动轴承、齿轮和转子等旋转机械关键零部件为研究对象,其中字典学习方法以K-SVD算法为基础,围绕着基于K-SVD算法的字典学习以及稀疏表征方法开展了四个方面的研究:基于移不变K-SVD字典学习的微弱故障特征提取;基于移不变K-SVD字典学习的单通道复合故障分析;基于K-SVD和改进LLC算法的局部约束稀疏特征提取;基于时频图像和K-SVD判别式字典学习的智能诊断。本文的主要研究内容如下所示:(1)针对信号中存在周期性重复出现的特征模式的问题,提出了一种基于移不变K-SVD字典学习的机械故障信号特征提取方法。该方法主要包括两大步即多个故障特征模式学习和最优潜在成分的选择,能够有效地提取出机械故障信号中周期性重复出现的故障特征。通过仿真和实验分析,并与基于K-SVD字典学习和小波字典匹配追踪的信号特征提取方法进行了对比,验证了所述方法的有效性。(2)针对机械复合故障,提出了一种基于移不变K-SVD字典学习和自适应聚类的单通道盲源分离方法。该方法先用移不变K-SVD字典学习方法对单通道复合故障信号进行自适应学习得到一组基函数及对应的潜在成分,然后根据潜在成分的结构相似性进行聚类分析并使用最小类类间相关系数均值来确定最佳聚类数目,最终实现不同故障源信号的分离。通过滚动轴承复合故障的仿真和实验分析,验证了该方法的有效性。(3)为了使不同状态信号具有更好的可区分性,从而提高故障诊断准确率,在局部约束线性编码(LLC)算法的基础上,提出了一种基于K-SVD字典学习和改进LLC稀疏编码的局部约束稀疏特征提取方法。该方法首先使用时域和频域等特征提取方法提取机械振动信号的特征并将其作为初始特征,之后进行每类K-SVD字典学习获得包含各个状态类别的过完备字典,然后利用改进LLC算法得到基于改进LLC稀疏编码的局部约束稀疏特征,最后将改进LLC稀疏编码作为特征向量,利用改进PSO算法优化的SVM对机械故障进行诊断。通过滚动轴承单一故障和复合故障试验,对所述方法的可行性和有效性进行了验证。(4)机械振动信号的时频图蕴含着丰富的特征信息,为实现时频特征的自动分类识别,提出了一种基于机械振动信号时频图和判别式字典学习的故障诊断方法。该方法首先对机械振动信号进行小波变换以获得小波时频图,然后采用灰度共生矩阵提取小波时频图的纹理特征,最后利用基于判别式K-SVD字典学习的标签一致K-SVD(LC-KSVD)算法实现故障的智能诊断。通过滚动轴承故障和转子故障的诊断,验证了该方法的有效性。(本文来源于《上海交通大学》期刊2018-05-01）
吴莹,汪军,周建[8]（2018）在《基于离散余弦变换过完备字典的机织物纹理稀疏表征》一文中研究指出为进一步研究基于字典学习的机织物纹理表征算法的稳定性与可比性,提出用离散余弦变换(DCT)过完备字典稀疏表征算法来重构织物纹理图像。重点探讨了稀疏度、子窗口大小、字典个数对纹理表征效果的影响,利用均方根误差和峰值信噪比指标对机织物原图与重构图像之间的近似程度进行量化,并确定最终优选的稀疏度为10,子窗口大小为8像素×8像素,字典个数为256。实验结果表明,所提方法不仅方便快捷,还可得到较好的表征效果。此外,其DCT过完备字典峰值信噪比值仅次于基于训练的自适应学习字典,且优于主成分分析和非稀疏表征算法约4 d B。(本文来源于《纺织学报》期刊2018年01期）
ARJUN,SINGHA[9]（2017）在《基于稀疏表征的宽带信号DOA估计》一文中研究指出阵列信号处理技术是属于高级信号处理技术的一大重要研究领域,主要对到达一组传感器节点处带噪信号进行检测和定位。近年来,阵列信号处理技术得到了快速发展。许多领域,比如无线通信、石油开采、雷达、声呐以及地震探查都需要到达角估计,而这正是阵列信号处理技术的主要研究内容。到达角估计包括传感器处理和分析它的空间谱。信号的空间谱表示了从所有方向到达接收机处信号的分布情况。因此,如果科研人员一旦能够获得了信号的空间谱,则所需信号的到达角就能够得知了。从这一方面来讲,我们也可以把空间谱估计成为到达角估计。本文主要研究基于信号稀疏表示的宽带信号到达角估计问题。信号的稀疏表示或者压缩感知技术是建立于这样的事实,即我们可以在合适的基底或者字典下将信号分解,仅仅使用一些非零的基底系数就可以,在一定误差范围内,表示原始信号。总所周知,根据奈奎斯特准则,当以感兴趣信号最高频率的2倍对该信号进行均匀采样,则可以在频域通过滤波器将原始信号无损恢复出来。不幸的是,在许多重要的和新兴的应用场合,达到符合奈奎斯特定理的超高采样速率会因为成本太高,或者在物理器件上不可行而难以实现。稀疏信号额可压缩信号都可以通过在合适基底下信号的最大基底系数值和该值所在位置,而高度精确地表示原始信号。利用变换编码的概念,压缩感知作为一个新的信号获取和传感器设计的框架而出现。通过压缩感知技术,可以将能够稀疏表示或者可压缩信号的采样开销和计算复杂度进行大规模地降低。另外,根据“奈奎斯特—香农”采样定理可知,为了完全获得任意一个带宽受限信号,必须要满足特定的最小采样频率。当信号在一个一组已知基底下具有稀疏性,我们可以大规模地减小需要存储的测量数据而不损失原始信号的特征。因此,相比于经典的信号表示技术及采样方法,利用信号稀疏表示技术或者压缩感知技术,我们或许可以得到更好的结果。以下就是压缩感知技术的基本理论观点:不同于先以高速率采样之后压缩样本数据,我们寻求直接以压缩的方式感知原始数据的方法,即完成低速率采样的任务。为解决处理这类高维度数据随之而来的逻辑和计算上的困难,我们常常依赖于压缩技术,即在满足可接受误差范围内,寻找感兴趣信号最简洁的表示方式。因此,我们需要稀疏表示技术或者压缩感知技术。基于到达角估计的压缩感知技术是基于以下观察到的情况,即一帮场景下,可能的信源数量圆圆小于可能的空间频率数量,也就是接收机接收到的信号本质上是可稀疏的。近年来,很多研究人员关注于稀疏基到达角估计技术,与早期的估计技术相比,该稀疏基到达角估计技术具有更高的估计效率。考虑到现有技术通过一个“连贯—平均”协方差矩阵或者通过最大似然的方法来恢复模型阶数,估计宽带新源个数是一项非常困难的任务。本文中将介绍L1-SVD技术作为主要的到达角估计技术。本文会提出一种基于传感器测量信号稀疏表示的信源定位方法,该稀疏表示是在一个过完备基底下完成的,该过完备基底是由阵列复制得到的采样值所组成。本文通过引入基于L1—范数的惩罚项来迫使信号具有稀疏性。一系列最近关于L1惩罚项的稀疏特征的理论结果证明了该方法的有效性。另外,本文使用数据矩阵的奇异值分解来概括多时间、对频率采样。许多研究领域,比如无线通信、石油开采、雷达、声呐以及地震探查都需要宽带信号的到达角估计。宽带信号具有在中心频率两侧非常宽的频带。并且,并不需要使用傅里叶变换或者通过信号插值来明确的波长和实验特点。对于宽带信源来说,常常在频域分析到达角问题。大部分现有的宽带到达角估计算法是将宽带信号分解为若干个窄带频率带,在估计到达角之前,将各个窄带频率带集中或者变换到一个参考频率间隔。本文中,使用了不同的频率带处理。首先,信号的整个频谱被划分为若干个小频段,每个小频段支持窄带近似,之后,在每一个小频段应用L1-SVD技术来获得相干谱。上述过程完成之后,我们仅仅将每一个小窄带频谱合成一个完全的宽带频谱。这个方法看起来很复杂,实际操作起来也确实很复杂,但本文选用这种方法是因为该方法是一种检测宽带信号的有效手段。除此之外,这项技术不需要任意的强假设条件,而其他现有的类似技术往往需要关于信号源较强的假设。本文提出的基于阵列输出多重采样奇异值分解的方法使用一个二阶锥形规划算法来优化得到的目标函数。该方法的关键在于使用一个合适的非二次正则化函数,该正则化函数会引出稀疏限制和超解。因此,源定位问题就变换成一个可以通过有效算法解决的凸优化问题。综上所述,本文将会给出一个基于宽带信源压缩感知的到达角估计综述。进展如下:(1)首先,为了方便初级读者本文给出了便于初学者理解到达角估计的基础知识,稀疏表示的必要理论基础,以及稀疏表示是如何与到达角估计建立联系的。(2)其次,我建立了带有阵列传感器的DOA估计情景的通用模型。之后,本文分别推导了窄带和宽带场景下的数学模型。L1-SVD技术首先针对窄带场景进行了描述,然后扩展到宽带场景。本文给出了两张示意图来帮助读者快速理解相关概念。之后,选择调节参数的一个重要参考因素将在讨论。(3)再次,本文展示了宽带、窄带环境下,相关的到达角估计结果,其次是宽带DOA的误差估计,以显示所描述的L1-SVD方法如何跟踪入射到阵列传感器上的信号的角度。另外,考虑到所述方法的优缺点,这里本文也给出了一些关于宽带到达角估计中所用信号的基本观点,即一种在雷达和声呐探测中广泛使用的Chirp信号。(4)最后,本文也讨论了到达角估计未来的发展方向,以及如何发展以满足将来更方便、更高级的应用需求。(本文来源于《哈尔滨工业大学》期刊2017-06-01）
刘林瓒[10]（2017）在《基于稀疏表征学习的大倍率遥感影像压缩技术》一文中研究指出随着遥感影像分辨率的提高,遥感影像呈现出大量新的特点,如含有丰富的几何、结构、纹理等特征,以及光谱精细化、地物目标多尺度化等特点。但是JPEG和JPEG2000分别采用了DCT变换和DWT变换,在大倍率压缩的背景下,这样固定的基很难描述遥感图像复杂的几何结构和纹理信息,并且这些局部结构信息在很大程度上影响图像的视觉感受。而且,传统压缩算法很难挖掘出复杂非结构化场景的隐含解释性因素。遥感影像的常见应用主要在灾害响应、农业监测、城市规划、环境评价等,可以看出以上应用都是有重点关注信息的。其他信息对特定遥感影像应用来说是没有价值的信息,而JPEG和JPEG2000算法并没有对这些重点信息和非重点信息加以区分,造成了编码效率的降低。同时,传统的压缩算法忽略了时序遥感图像在时间维上的稀疏性。本论文针对传统图像压缩算法中的问题和不足,对遥感图像的特征进行了针对性的表征学习,使图像能够得到稀疏的表示,从而提出了叁种大倍率遥感影像压缩方法:1、设计了一种基于样本二叉树的EGE字典学习压缩算法。我们对样本的复杂程度进行划分,不同复杂度的样本分别训练字典,压缩时不同复杂度的样本在对应字典下进行稀疏表示,提升了对局部纹理信息的表示效果。稀疏表示时,对所有样本进行全局的原子选择,同时考虑了原子选择的熵率,不仅减少了稀疏表示的整体重构误差,而且把量化编码部分与稀疏表示部分进行有效的结合。避免了不同样本之间表示效果的不均匀以及编码与稀疏表示的割裂引起的样本表示效果提升而编码效率下降的问题。本方法针对训练时字典局部信息的表达,以及测试时稀疏表示的效果做了改进。从实验结果可以看出,本章的方法在主观视觉评价以及客观的数值指标上都取得了较好的效果,相对于传统算法,体现了它的优越性。2、设计了一种基于WTA的稀疏深度网络ROI压缩算法。首先对高光谱或多光谱图像选取3个波段合成伪彩色图,采用SLIC算法对伪彩色图进行超像素分割,对获得的超像素进行FCM聚类。根据聚类的结果进行端元匹配,获得遥感图像的语意信息,从而挑选ROI区域。对于ROI区域用WTA自编码器进行表示,它加入了存在稀疏以及空间稀疏两个约束条件,使得隐层的节点具有稀疏性。由于它的非线性表示以及多层深度结构,使得网络能够学习到复杂非结构化场景的隐含解释性信息,进一步提升对ROI区域的表示效果。由于我们并不关心非ROI区域,所以,可以提高非ROI区域的压缩比,以减少对于存储空间的占用。论文中采用SOMP算法对非ROI区域进行稀疏编码,可以减少编码系数对应索引所占的编码位数。最后的实验结果表明,在相同BPP下,本方法的数值指标,明显高于传统的压缩方法。3、设计了一种基于自表征模型的时序遥感影像压缩算法。该算法利用了时序遥感影像时间维上的稀疏性,通过自表征模型挑选了关键的时间维,由此能够重建出时序遥感影像,大大提高了对时序遥感图像的压缩效率。由于关键的时间维对于重构图像其他的时间维有很大的影响,所以我们用树状层次字典学习得到的字典来对关键的时间维进行表示。树状层次字典学习是一种对表示误差进行学习的字典学习方法。基于表示误差的学习方式使得学习更加具有针对性,表示的误差也会随之减少。最后的实验结果表明,在相同BPP下,本方法的数值指标,明显高于传统的压缩方法。(本文来源于《西安电子科技大学》期刊2017-06-01）
稀疏表征论文开题报告
（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：
针对在声学主动检测埋地排水管道故障的过程中,不同程度堵塞信号及常规管道部件叁通件信号等难以有效区分的问题,提出小波包增强稀疏表征分类(SRC)的堵塞故障识别方法。该方法首先对管道中采集的声学信号进行小波包分解,提取不同尺度分量的多个时频特征参数并筛选出更为有效的特征值,构建能全面表征不同程度堵塞与管道叁通件信号的特征向量,然后利用特征向量分别构造字典和稀疏表征分类器。实验结果表明,该方法在少量样本情况下仍能有效识别排水管道内不同程度的堵塞故障及管道叁通件,具有一定的工程实用价值。
（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。
稀疏表征论文参考文献
[1].李仲,韩红旗,吴广印,翟晓瑞,李琳娜.基于文本稀疏分布式表征的学术合作推荐[J].情报科学.2019
[2].伍林峰,冯早,黄国勇,李洋.小波包增强稀疏表征分类的管道堵塞故障识别[J].电子测量与仪器学报.2019
[3].翟晓瑞,韩红旗,张运良,李仲.基于稀疏分布式表征的英文着者姓名消歧研究[J].计算机应用研究.2019
[4].胡荣海,黄翔宇.一种地外天体路标图像的稀疏化表征方法[J].空间控制技术与应用.2018
[5].孙宏健.面向稀疏表征的滚动轴承-转轴复合故障诊断方法研究[D].哈尔滨工业大学.2018
[6].梅术正.基于改进稀疏表征与二部图模型的碎矿粒度检测[D].湖北工业大学.2018
[7].袁浩东.基于稀疏表征及字典学习的故障诊断方法研究[D].上海交通大学.2018
[8].吴莹,汪军,周建.基于离散余弦变换过完备字典的机织物纹理稀疏表征[J].纺织学报.2018
[9].ARJUN,SINGHA.基于稀疏表征的宽带信号DOA估计[D].哈尔滨工业大学.2017
[10].刘林瓒.基于稀疏表征学习的大倍率遥感影像压缩技术[D].西安电子科技大学.2017