导读:本文包含了稀疏规则论文开题报告文献综述及选题提纲参考文献，主要关键词:主题编码,层状规则,词分组,稀疏
稀疏规则论文文献综述
曹中华,夏家莉,李光泉,张志斌[1]（2019）在《词关联规则层状稀疏主题编码模型》一文中研究指出模型规则化可以通过给模型加入先验知识,而避免模型过拟合,并且能够使模型参数稀疏,选择出最有代表性的模型参数.具有稀疏性的主题特征能够更有效的表示文本语义信息,通过WordNet和Word2Vec可以得到相似词集,将相似词集的编码向量归属为相同组,构造相似词组语义约束,并将其表示为层状结构化先验信息,论文因此而实现了两种层状稀疏规则化方法,应用于主题编码模型.实验表明采用层状规则化的稀疏编码模型可以提高主题模型编码效果,学习到主题一致性、分类结果更好的文本主题信息.(本文来源于《小型微型计算机系统》期刊2019年03期）
胡蓉,邵金侠[2]（2019）在《基于稀疏表示融合算法的融合规则研究》一文中研究指出随着压缩感知理论的发展,基于稀疏表示的融合算法成为图像融合技术中的重要研究方向之一。其稀疏分解系数采用何种融合规则对最终的融合结果有着非常重要的影响。本文重点研究稀疏表示融合算法中常用的几种融合规则,并进行相应的实验分析。实验结果表明,采用绝对值取大的融合规则能得到更好地融合效果。(本文来源于《电脑知识与技术》期刊2019年01期）
周静,黄心汉[3]（2018）在《基于新迭代规则的稀疏CNMF人脸识别方法》一文中研究指出针对凸非负矩阵分解(CNMF)人脸识别方法的运行时间长且识别率不高的问题,提出一种可收敛的易于计算的新目标函数,并引入阈值稀疏约束,得到新的迭代规则,可有效提高识别率和减少计算时间.首先,图像经预处理后得到低频训练样本,经由新迭代规则的稀疏凸非负矩阵方法分解,得到特征的稀疏基矩阵和权值系数矩阵;然后,基于稀疏特征基矩阵对测试样本进行分解,得到测试集的特征权值系数矩阵;最后,使用一对一支持向量机对该特征权值系数矩阵进行识别分类.基于新规则的稀疏化基矩阵数据更为集中,因此相应系数矩阵中特征的权值也更为集中,易于进行分类识别.实验结果表明:基于新迭代规则的稀疏CNMF方法的识别率可达到100%,比凸非负矩阵分解、稀疏非负矩阵分解、多层非负矩阵分解方法分别提高了33.0%,10.0%和5.5%,并且识别时间更短,图像重构误差更小.(本文来源于《华中科技大学学报(自然科学版)》期刊2018年12期）
熊承义,龚忠毅,高志荣,张梦杰[4]（2018）在《压缩感知图像的块子带自适应稀疏表示规则化重构》一文中研究指出针对自然图像信号的非平稳特性和不同图像块的变换域系数的分布差异较大,基于分块图像子带自适应稀疏表示规则化,提出了一种新的压缩感知图像重构方法.先利用非局部相似块组估计每个分块图像变换域各子带系数的均值和标准差,再将图像块各子带系数进行去均值并关于标准差归一化,最后将去均值归一化处理的子带系数的l_1范数表示用于规则化压缩感知重构.由于块子带自适应稀疏表示更加合理地表达了稀疏系数的重要性,使得重构图像能够更好地保留纹理、边缘等细节信息.大量的实验结果表明:相比组稀疏表示的压缩感知重构算法,该方法重构图像的峰值信噪比平均提高了0.69 dB.(本文来源于《中南民族大学学报(自然科学版)》期刊2018年04期）
胡正平,刘立真,李淑芳,孙德刚[5]（2018）在《稀疏规则引导的由粗及细系数累积人脸识别算法》一文中研究指出考虑到以训练样本作为字典未利用类间差异特征的不足,且利用最小残差判别函数分类时,各类残差可能因较接近而导致分类错误。针对此问题,从分类判别函数出发,提出稀疏规则引导的由粗及细系数累积人脸识别算法。首先,用所有训练样本作为字典表示测试样本,得到相邻最大类累积稀疏系数。进而,根据累积系数相对差别,对训练样本类别进行软约束,摒弃与测试样本相异甚远的类别,遴选候选类。最后,利用最大类稀疏系数累积作为判别函数,融合由粗及细的结果进行分类从而获得最终的识别率。该方法不仅充分利用系数的稀疏性,而且发挥候选类具有增强字典鉴别力的作用,从而取得较高的识别率。本文方法分别在ORL、AR和GT(Georgia Tech Face Database)人脸数据库上进行了实验。(本文来源于《高技术通讯》期刊2018年07期）
王冠鹏[6]（2018）在《基于规则化轨道算法和有效分布式算法的高维稀疏精度矩阵估计的研究》一文中研究指出本文主要对大维p小样本n情形下高维稀疏精度矩阵的估计进行研究。在第一部分中,我们着重于计算正则化轨道,或者在整个正则化参数范围内解决相应的最优化问题。受益于正定约束条件下基于Lasso方法的最优化精度矩阵估计量,我们旨在通过ADMM方法一步逼近计算正定精度矩阵的正则化轨道,该方法能以高分辨率快速勾勒出一系列稀疏解。通过对模拟实例进行详细分析,进一步证明了我们提出的算法的有效性和计算的优越性。第二部分,在反式椭圆图模型中,我们基于去偏的D-trace损失Lasso惩罚方法和阈值方法给出了数据分布在不同机器上高维稀疏精度矩阵的分布式估计。在一定的稀疏水平下,该方法不仅可以实现稀疏精度矩阵的非零元素正确选择,而且误差速率同非分布式估计相当。数值结果进一步表明该方法同其他方法比较具有有效性。(本文来源于《安徽师范大学》期刊2018-06-01）
詹德满,李燕龙,王俊义[7]（2019）在《NOMA中基于非规则码片映射的稀疏多用户检测算法》一文中研究指出针对非正交多址接入系统灵活性不高的问题,基于码片映射码分多址(CM-CDMA)系统,设计了一种非规则结构的码片映射矩阵。根据不同场景需求,该映射矩阵可为各用户分配不同数量的传输码片,提高了系统灵活性。同时分析了非规则映射矩阵的引入满足压缩感知RIP条件,并对该系统模型进行了验证。仿真结果表明,该系统能够利用压缩感知理论可靠地检测出活跃用户和数据,过载率可达300%,有效提升了频谱利用率。(本文来源于《计算机应用研究》期刊2019年07期）
杨诗倩[8]（2017）在《非规则稀疏阵列旁瓣抑制方法研究》一文中研究指出非规则稀疏阵列由于阵元的稀疏布置,增大了天线阵列的孔径,使得其方向性增强,扫描波束变窄,空间分辨率明显提高,同时也大大减弱了阵元间的互耦效应,而非规则性则使该阵列能实现无模糊测角。然而,在实际的布阵环境中存在许多因素会限制布阵的范围,如山川、河流、沼泽等。在阵列构型的研究中,还需要针对这些地理约束提出相应的布阵方法。此外,对于通过处理稀疏阵列的接收信号从而估计信源方向的算法,其测向性能都是基于阵列流形精确己知的前提。但是在实际的工程应用中,真实的阵列流形往往会随着许多因素的变化而出现一定程度的偏差,这将使得测向算法的旁瓣电平升高,严重时甚至超过主瓣。本文对存在地理因素限制下非规则稀疏线阵的阵列构型问题,研究了基于天线尺寸约束与地理环境约束的非规则阵列构型方法。同时针对阵列天线中存在误差影响旁瓣的问题,研究了阵列自校正方法,其主要工作包括以下方面:(1)针对随机稀疏阵列构型问题,给出了非规则稀疏阵列信号模型,并在此基础上设计了稀疏阵列低旁瓣优化布阵的最优化模型,研究了基于模式搜索的无约束的最优阵元配置的方法。进一步地,针对实际布阵环境中存在天线尺寸与地理约束限制的问题,研究了基于粒子群的非规则阵列构型方法。(2)针对实际场景中存在阵列误差条件下的近场窄带信号建模问题,首先,分析了阵列位置误差、接收通道幅度误差、接收通道相位误差的产生原因;然后,推导了几类误差条件下的通用接收信号模型;最后,通过仿真实验说明了阵列误差会使定位算法的旁瓣电平升高。(3)提出了针对近场信号源的基于迭代优化的误差自校正算法。该算法对信号源位置与阵列误差进行联合估计,在估计误差参数的同时,将近场源参数的二维搜索问题转化为两个一维搜索问题,降低了算法的计算复杂度。此外,针对误差快/慢变化的系统中引起的高旁瓣问题,仿真实验表明了利用该二维校正算法能够对信号源位置与误差参数进行联合估计,从而有效抑制旁瓣。(4)将本文提到的旁瓣抑制技术运用到特定场景中进行了仿真实验与试验验证,分别进行了近场50米线阵两相干目标定位问题进行仿真模拟分析和5.8米稀疏线阵存在阵列误差情况下的实测数据验证分析。(本文来源于《电子科技大学》期刊2017-03-31）
方云峰,聂红梅,张丽梅,唐博文,王增波[9]（2016）在《基于数据规则化和稀疏反演的叁维表面多次波压制方法》一文中研究指出表面多次波是海洋地震勘探中的主要问题.目前,二维数据驱动的表面多次波压制技术(SRME)已经比较成熟,并且已经成为工业界压制海洋表面多次波的主流方法.但是由于二维SRME算法没有考虑横测线方向上多次波的贡献,导致在处理实际叁维海洋资料时存在比较大的误差.将二维SRME算法扩展到叁维空间后可以得到叁维SRME算法,但是由于目前实际采集的叁维海洋资料的观测系统存在拖缆漂移,而且横测线方向采样过于稀疏,直接应用叁维SRME算法无法准确预测表面多次波.本文提出的通过数据规则化配合稀疏反演的叁维表面多次波压制方法能够解决这种实际资料和叁维SRME算法之间的矛盾.本文通过研究数据规则化与反规则化技术,使得数据分布满足叁维SRME的要求;通过研究稀疏反演技术,有效解决了横测线方向采样稀疏对于多次波预测的影响,叁维实际海洋资料的应用结果验证了方法的有效性和可行性.(本文来源于《地球物理学报》期刊2016年02期）
蔡瑞,赵群,佘德平,杨丽,曹辉[10]（2014）在《2D地震数据规则化中随机稀疏采样方案(英文)》一文中研究指出地震数据规则化是地震信号处理中一个重要步骤,近年来受到广泛关注的压缩感知技术已经被应用到地震数据规则化中。压缩感知技术突破了传统的Shannon-Nyqiust采样定理的限制,可以用采集的少量地震数据重构完整数据。基于压缩感知技术的地震数据规则化质量主要受叁个因素影响,除了受地震信号在不同变换域的稀疏表达和11范数重构算法的影响外,极大地取决于地震道随机稀疏采样方式。尽管已有学者开展了2D地震数据离散均匀分布随机采样方式研究,但设计新的稀疏采样方案仍然很有必要。在本文中,我们提出满足Bernoulli分布规律的Bernoulli随机稀疏采样方式和它的抖动形式。对2D数值模拟数据进行四种随机稀疏采样方案和两种变换(Fourier变换和Curvelet变换)实验,对获取的不完整数据应用11范数谱投影梯度算法(SPGL1)进行重构。考虑到不同随机种子点产生不同约束矩阵R会有不同的规则化质量,对每种方案和每个稀疏采样因子进行10次规则化实验,并计算出相应信噪比(SNR)的平均值和标准偏差。实验结果表明,我们提出的新方案好于或等于已有的离散均匀分布采样方案。(本文来源于《Applied Geophysics》期刊2014年03期）
稀疏规则论文开题报告
（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：
随着压缩感知理论的发展,基于稀疏表示的融合算法成为图像融合技术中的重要研究方向之一。其稀疏分解系数采用何种融合规则对最终的融合结果有着非常重要的影响。本文重点研究稀疏表示融合算法中常用的几种融合规则,并进行相应的实验分析。实验结果表明,采用绝对值取大的融合规则能得到更好地融合效果。
（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。
稀疏规则论文参考文献
[1].曹中华,夏家莉,李光泉,张志斌.词关联规则层状稀疏主题编码模型[J].小型微型计算机系统.2019
[2].胡蓉,邵金侠.基于稀疏表示融合算法的融合规则研究[J].电脑知识与技术.2019
[3].周静,黄心汉.基于新迭代规则的稀疏CNMF人脸识别方法[J].华中科技大学学报(自然科学版).2018
[4].熊承义,龚忠毅,高志荣,张梦杰.压缩感知图像的块子带自适应稀疏表示规则化重构[J].中南民族大学学报(自然科学版).2018
[5].胡正平,刘立真,李淑芳,孙德刚.稀疏规则引导的由粗及细系数累积人脸识别算法[J].高技术通讯.2018
[6].王冠鹏.基于规则化轨道算法和有效分布式算法的高维稀疏精度矩阵估计的研究[D].安徽师范大学.2018
[7].詹德满,李燕龙,王俊义.NOMA中基于非规则码片映射的稀疏多用户检测算法[J].计算机应用研究.2019
[8].杨诗倩.非规则稀疏阵列旁瓣抑制方法研究[D].电子科技大学.2017
[9].方云峰,聂红梅,张丽梅,唐博文,王增波.基于数据规则化和稀疏反演的叁维表面多次波压制方法[J].地球物理学报.2016
[10].蔡瑞,赵群,佘德平,杨丽,曹辉.2D地震数据规则化中随机稀疏采样方案(英文)[J].AppliedGeophysics.2014