低秩矩阵恢复
低秩矩阵恢复的相关文献在2013年到2022年内共计96篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、数学
等领域,其中期刊论文68篇、会议论文1篇、专利文献47388篇;相关期刊54种,包括温州大学学报(自然科学版)、中南民族大学学报(自然科学版)、五邑大学学报(自然科学版)等;
相关会议1种,包括第三届全国成像光谱对地观测学术研讨会 等;低秩矩阵恢复的相关文献由252位作者贡献,包括史加荣、赵磊、夏克文等。
低秩矩阵恢复—发文量
专利文献>
论文:47388篇
占比:99.85%
总计:47457篇
低秩矩阵恢复
-研究学者
- 史加荣
- 赵磊
- 夏克文
- 孙雨浩
- 朱雄泳
- 李智文
- 杨晓梅
- 谭洪舟
- 郑秀云
- 陶洋
- 万诚
- 侯彦东
- 刘艳玲
- 刘颜
- 唐厂
- 唐远炎
- 孙进平
- 尚赵伟
- 嵇志辉
- 常云鹤
- 张太平
- 张新征
- 张旭东
- 张晔
- 张海新
- 张钧萍
- 李坤
- 李鑫滨
- 杜海顺
- 杨威
- 杨延红
- 杨敬钰
- 焦建洲
- 牛文佳
- 王亦坚
- 王美媛
- 王艳伟
- 王超
- 秦安勇
- 胡昊
- 谢舜道
- 贾泂
- 赵智昊
- 邹兵兵
- 郑建炜
- 郑忠龙
- 郭坦
- 金勇
- 闫磊
- 陈胜勇
-
-
刘志锋;
邹学钢;
唐啸虎;
魏振华;
刘伟真;
李润钦
-
-
摘要:
在铀矿中子测井数据处理方面,受井液、地层孔隙度、岩性等因素的影响,测井的噪声数据不一定满足稀疏性的要求,传统的低秩矩阵恢复(LRMR)模型对于测井原始数据的去噪效果不佳。作者提出一种基于低秩矩阵恢复的改进模型,以提高对含复杂噪声的测井数据的去噪能力。同时把加权m1范数和加权核范数的思想引入到传统的LRMR模型中,使用F范数作为惩罚项,得到改进的LRMR模型,并应用表现效果较好的非精确增广拉格朗日乘子法(IALM)对模型进行求解。运用传统模型和改进的模型对某铀矿的中子测井数据进行去噪,并使用支持向量机、决策树算法对去噪后的数据进行矿层分类分析;实验结果表明,经过改进模型去噪处理后的测井数据分类准确度更高。改进的LRMR模型去噪能力比传统LRMR模型更强,为铀矿中子测井数据去噪提供了技术支撑。
-
-
宋儒瑛;
郑珂
-
-
摘要:
随着人们对信号需求量的增加,低秩矩阵恢复问题也逐渐引起人们的关注,涉及到的低秩矩阵恢复定理是衡量矩阵稀疏恢复效果的重要指标.针对低秩矩阵恢复的稳定性和鲁棒性进行分类讨论,通过定义针对不同矩阵范数的稳定零空间性质和鲁棒零空间性质,得出五个低秩矩阵恢复的误差估计定理.
-
-
丁玉祥;
卞维新;
接标;
赵俊
-
-
摘要:
对于图像超分辨率重建而言,通常会将图像的整体信息作为研究对象.然而图像本身含有的大量结构信息并没有得到充分利用.为了提高超分辨率重建的效果,实现对不同特征信息的利用,提出了一种融合邻域回归和稀疏表示的图像超分辨率重构算法.依据图像所具有的低秩性对高分辨率图像进行分解,获得高分辨率图像的低秩部分和稀疏部分;将对应的低分辨率图像与高分辨率图像的低秩部分和稀疏部分进行训练,学习得到对应的特征字典;基于高分辨率图像的低秩部分和稀疏部分分别基于稀疏表示和邻域嵌入进行高分辨率重构;基于低秩矩阵恢复理论,融合邻域回归和稀疏表示重构的高分辨率图像,得到最终的高分辨率图像.在测试集Set5和Set14上将提出的算法与几种经典算法进行对比实验,可视化和量化结果均表明,相比传统超分辨率算法,提出的算法在PSNR和SSIM都有很好的提升.
-
-
闫喜红;
王川龙;
李超;
薛靖婷
-
-
摘要:
低秩矩阵恢复问题作为一类在图像处理和信号数据分析等领域中都十分重要的问题已被广泛研究.本文在交替方向算法的框架下,应用非单调技术,提出一种求解低秩矩阵恢复问题的新算法.该算法在每一步迭代过程中,首先利用一步带有变步长梯度算法同时更新低秩部分的两块变量,然后采用非单调技术更新稀疏部分的变量.在一定的假设条件下,本文证明了新算法的全局收敛性.最后通过解决随机低秩矩阵恢复问题和视频前景背景分离的实例验证新算法的有效性,同时也显示非单调技术极大改善了算法的效率.
-
-
米雪荣;
王恒友;
何强;
张长伦
-
-
摘要:
由于传统的人脸识别算法效果容易受制于光照、表情、遮挡以及稀疏大噪声等外界因素的影响,如何有效提取数据特征、进一步提升算法的鲁棒性,是传统人脸识别方法发展的关键所在.本文将多矩阵低秩分解应用在人脸特征提取中,充分利用多张人脸之间的结构相似性,探索人脸图像集的低秩子空间,进而结合低秩矩阵恢复模型来提取测试样本的低秩特征.最后,利用主成分分析(Principal component analysis,PCA)算法对所提取的特征矩阵进行进一步降维,并运用稀疏表示方法分类.实验结果表明,当样本中存在一定的椒盐噪声时,本文算法在AR、Yale和CMU_PIE人脸库上均具有较好的识别精度,验证了本文算法对椒盐噪声的鲁棒性.
-
-
-
史加荣;
米合拉衣·阿地勒
-
-
摘要:
为了增强广义低秩矩阵逼近(Generalized Low Rank Approximations of Matrices,GLRAM)的鲁棒性与稳定性,提出稳定广义低秩矩阵逼近(Stable GLRAM,SGLRAM)算法.将每个数据矩阵分解为低秩成分、稀疏噪声和稠密高斯噪声之和,并考虑了数据缺失情形.为了恢复低秩矩阵,建立最小化矩阵l1范数与Frobenious范数的优化问题,并设计求解它的交替方向乘子法.在合成和真实数据集上的实验结果验证了该方法的可行性与有效性.
-
-
孙雨浩;
陶洋;
胡昊
-
-
摘要:
针对低秩矩阵恢复算法复杂度过高和训练集样本存在遮挡的问题,本文提出一种基于低秩矩阵恢复和Gabor特征的鲁棒表示与分类的遮挡人脸识别方法.该方法首先通过快速低秩矩阵恢复算法,准确并且快速地求得训练样本图像对应的误差图像;然后,分别对"干净"人脸图像和遮挡误差图像进行Gabor变换,得到Gabor特征向量;接着,本文提出一种基于Gabor特征的遮挡字典压缩算法,可以计算出压缩后的Gabor遮挡字典,并用其与训练样本的Gabor特征向量构成Gabor压缩字典;最后,利用压缩字典对测试样本进行协作表示,获取最终的识别结果.在Extended Yale B和AR数据库上的实验结果表明,本方法不仅对遮挡人脸识别具有较强的鲁棒性,而且大大降低了对遮挡人脸图像编码的计算量,缩减了算法的运行时间.
-
-
房云飞;
王洪雁;
裴炳南
-
-
摘要:
为提高非均匀噪声下波达方向(direction of arrival,DOA)角估计算法的估计精度和分辨率,基于低秩矩阵恢复理论,提出了一种二阶统计量域下的加权l1稀疏重构DOA估计算法.该算法基于低秩矩阵恢复方法,引入弹性正则化因子将接收信号协方差矩阵重构问题转换为可获得高效求解的半定规划(semidefinite programming,SDP)问题以重构无噪声协方差矩阵;而后在二阶统计量域下利用稀疏重构加权l1范数实现DOA参数估计.数值仿真表明,与传统MUSIC、l1-SVD及加权l1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好的DOA参数估计性能,且在低信噪比条件下,所提算法具有较高的角度分辨力和估计精度.
-
-
-
孔祥阳;
赵永强
- 《第三届全国成像光谱对地观测学术研讨会》
| 2015年
-
摘要:
随着传感技术的进步,传感器的性能得到极大的提高,从而使获得的高光谱图像更加清晰.尽管如此,在高光谱图像的获取过程中,仍然不可避免的有所退化,比如,噪声污染、条带腐蚀、数据缺失等等.退化的图像不仅在视觉上效果不好,而且影响进一步在诸如,城市规划、农业、森林保护等方面的应用,因此,对获取的高光谱图像进行预处理是非常必要的,并且已经成为一个热门的研究领域.本文利用低秩矩阵恢复的方法(LRMR)进行去噪实验,其中核范数用来探索光谱维的低秩性质,稀疏噪声由L1范数正则化检测。实验结果表明该算法优于许多在定量测量和视觉质量方面比较先进的去噪算法,如VBM3D,WNNM,VBM4D等。