稀疏正则非负矩阵分解的语音增强算法
Journal o f C om puter A p p lica tio n s计算机应用,2018, 38(4): 1176 -1180ISSN 1001-9081C ODE N J Y IID U2018-04-10h ttp://w w w.jo c a文章编号:1001-9081(2018)04-1176-05 D O I:10.11772/j.issn.1001-9081.201...
Rare包:基于树的Lasso正则化的线性模型,适用于稀疏特征说明书_百度文 ...
Package‘rare’October14,2022Type PackageTitle Linear Model with Tree-Based Lasso Regularization for RareFeaturesVersion0.1.1Author Xiaohan Yan[aut,cre],Jacob Bien[aut,cre]Maintainer Xiaohan Yan<****...
一种梯度正则化稀疏表示的图像超分辨率重建方法
小型微型计算机系统Journal of Chinese Computer Systems 2020年12月第12期 Vol.41 N o. 12 2020一种梯度正则化稀疏表示的图像超分辨率重建方法黄淑英,胡晓燕,吴昕,吴佳俊,许亚婷(江西财经大学软件与物联网工程学院,南昌330032)E-mail :************************摘要:近年来,稀疏表示的方法在图像超分辨率(Su...
多参数梯度稀疏正则化图像非盲去模糊
多参数梯度稀疏正则化图像非盲去模糊杨洁;张嵩【摘 要】自然图像在不同纹理区域具有不同的梯度特性,通过对图像梯度进行合理分层规划将图像纹理划分为5个区域,对各纹理区域梯度进行lp范数约束,且每个区域对应1个合适的p指数值,建立多参数正则化模型,有效避免了全局单一p指数的缺陷.最后结合GISA稀疏编码框架,得到更加稳固的复原结果.通过实验对比,发现提出的多参数梯度稀疏正则化方法可以有效地提升图像纹理细...
一种稀疏约束的图正则化非负矩阵光谱解混方法
第39卷2 0 19,第4期 年4月光谱学与光谱分析Spectroscopy and Spectral AnalysisV o '39,N o.4,pp1118-1127A pril,2019一种稀疏约束的图正则化非负矩阵光谱解混方法甘玉泉1!2,刘伟华\冯向朋\于涛\胡炳樑\汶德胜中国科学院西安光学精密机械研究所,陕西西安710119 中国科学院大学,北京100049摘要由于受到高光谱遥感图像传...
数据清洗与整理中的数据稀疏与数据密集处理方法(三)
数据清洗与整理中的数据稀疏与数据密集处理方法一、引言在数据分析和挖掘的过程中,数据清洗与整理是一个重要的环节。数据不可避免地会出现稀疏或者密集的情况,如何处理这些数据,成为了分析师和数据科学家们需要面对的问题之一。本文将探讨数据稀疏和数据密集的处理方法。二、数据稀疏的处理方法1. 填充缺失值在数据清洗和整理的过程中,经常会面临缺失值的情况。对于稀疏的数据,需要考虑如何填充缺失值,以使得数据集完整。...
稀疏编码的近似计算与加速技术
稀疏编码的近似计算与加速技术稀疏编码是一种重要的信号处理方法,被广泛应用于图像处理、语音识别、机器学习等领域。然而,稀疏编码的计算复杂度往往较高,限制了其在实际应用中的效率和实时性。因此,近年来研究者们致力于寻稀疏编码的近似计算与加速技术,以提高算法的性能和效率。稀疏编码的核心思想是通过寻最优的稀疏表示来描述信号。在传统的稀疏编码算法中,通常采用迭代优化的方式求解稀疏表示。然而,这种方法在大规...
高维稀疏数据处理与降维技术研究
高维稀疏数据处理与降维技术研究概述:随着科技的快速发展,数据的产生呈现爆发式增长的趋势。这些数据往往存在高维稀疏的特点,给数据处理和分析带来了巨大的挑战。高维稀疏数据处理的目标是从大规模的高维数据集中提取有用的信息,以便于后续的分析和决策。降维技术是处理高维稀疏数据的重要工具,有助于减少数据集的维数,提高计算效率和数据的可解释性。1. 高维稀疏数据的特点和挑战:高维稀疏数据指的是数据集中的特征维度...
基于稀疏的omp算法-概述说明以及解释
基于稀疏的omp算法-概述说明以及解释1.引言1.1 概述在现代科技的快速发展和信息爆炸的时代,数据处理和分析变得越来越重要。稀疏表示是一种有效的数据处理方法,它可以通过少量的非零元素来准确表示数据。而基于稀疏的OMP算法(正交匹配追踪算法)是一种常用的稀疏表示方法,可以用于信号处理、图像处理、机器学习等领域。本文将介绍稀疏表示的概念,详细解释OMP算法的原理和应用,并探讨其在各个领域的优势和潜力...
稀疏编码与稀疏表示的关系与差异分析
稀疏编码与稀疏表示的关系与差异分析稀疏编码和稀疏表示是机器学习和信号处理领域中两个重要的概念。虽然它们都与稀疏性有关,但它们在定义和应用上存在一些差异。首先,稀疏编码是一种数据压缩技术,旨在通过到数据的稀疏表示来减少数据的维度。稀疏编码的基本思想是,给定一组数据样本,可以将每个样本表示为其他样本的线性组合。通过最小化表示中的非零系数数量,可以实现数据的压缩。稀疏编码的应用非常广泛,例如图像压缩、...