稀疏度

摘要： 为了提高离群数据检测精度和效率,提出了一种基于相关子空间的离群数据检测算法。该算法首先根据数据局部密度分布特征得出稀疏度矩阵,通过高斯相似核函数放大稀疏度特征;然后计算各属性维中数据稀疏度相似因子,确定子空间向量及相关子空间,结合数据稀疏度和维度权值得出数据对象的离群因子,选取最大的若干个对象为离群数据;最后采用人工数据集和UCI实验数据集验证算法准确性和有效性。

摘要： 在聚类过程中,多视角数据的高维性和稀疏性使视角内描述样本的不同特征对聚类结果的影响不同,同一样本在不同的视角中对聚类的贡献也不同.层次化区分视角内不同特征的权重和相同样本在不同视角内的权重是提高多视角聚类性能的重要因素.提出了具有特征级和样本级两级权重的多视角聚类(multi-view clustering based on two-level weights,MVC2W)算法.该算法引入了特征级和样本级注意力机制学习每个视角内不同特征的权重和每个样本在不同视角内的权重.两级注意力机制使算法在训练过程中能够更加关注重要的特征和重要的样本,更加合理地融合不同视角的信息,从而有效克服数据高维性和稀疏性对聚类结果的影响.此外,MVC2W将表征学习和聚类过程融为一体,协同训练、相互促进,进一步提升聚类性能.在5个稀疏程度不同的数据集上的实验结果表明:MVC2W算法的聚类性能比11个基线算法均有提升,尤其是在稀疏程度高的数据集上,MVC2W的提升更加显著.

摘要： 主元分析(principal component analysis,PCA)方法由于原理简单计算方便,被普遍应用于工业无监督异常检测,但具有异常值敏感且所得主元非稀疏等问题。针对传统鲁棒稀疏PCA没有从根本上解决异常值敏感问题且没有给定稀疏度的确定方式,提出了一种改进的工业异常检测方法IRSPCA(improved robust sparse PCA)。具体地,在对L_(1)范数最大化处理以及L_(0)范数惩罚项引入的基础上,提出了用于平衡稀疏性和方差的稀疏性准则,基于该准则开发了一种两阶段稀疏度选择策略,并利用遗传算法求得了主元稀疏度的最优解。另外,设计了基于预测误差平方和(squared prediction error,SPE)统计量的异常值剔除策略,用于增强方法的整体鲁棒性。通过数值仿真和真实烟支成品检测两个案例开展了实验验证。结果显示IRSPCA综合性能均优于传统PCA和鲁棒稀疏PCA方法,充分验证了方法的有效性和优越性。

摘要： 在使用离散余弦变换下的正交匹配追踪算法重构图像时,存在计算复杂度高,精确率低,对传感矩阵要求较为苛刻等问题.因此,利用迂回式匹配追踪算法(Detouring Matching Pursuit,DMP)的计算复杂度优势和分块压缩感知技术(Block Compressed Sensing,BCS),提出了一种基于BCS-DMP的图像重构方法.首先,对图像信号均匀分块并进行离散余弦变换,其次,采用DMP算法重构信号,对重构信号进行离散余弦逆变换重构图像,最后,采用均值滤波算法作平滑处理,减少图像块效应.3种不同类型的图像重构实验结果表明,当压缩比取0.2,0.3,0.4,0.5时,采用BCS-DMP算法重构图像的峰值信噪比高于基追踪、正交匹配追踪等算法,且在重构时间上有较大优势,说明BCS-DMP算法适用于图像重构.

摘要： 首先介绍了基于电影类型偏好特征的推荐算法的实现过程,分析了用户特征与电影评分之间的关联,同时根据用户偏好关系和电影与电影类型的关联程度进行建模;然后通过计算不同电影之间的相似度,来预测用户对未知电影的感兴趣程度;最后介绍了混合推荐的总体流程、实验中使用到的电影数据集和评估指标,并将混合推荐模型与FM、DeepFM、NCF、xDeepFM算法模型进行比较,从实验结果中发现混合推荐模型比其他模型在排序精度和推荐精度上要略胜一筹。

摘要： 针对当前方法重构视觉图像时,存在峰值信噪比低、重构时间长和图像分辨率低的问题,提出基于稀疏度自适应的视觉图像三维清晰重构方法,利用图像光度信息和几何信息划分图像,按照纹理类别和边缘类别对图像进行分类,在图像组类别和噪声水平的基础上训练自适应字典,根据字典获得图像非局部相似先验和稀疏表示,结合建立变分模型对图像进行去噪处理.对去噪后的图像进行奇异值分解字典训练,利用稀疏度自适应正则化正交匹配算法对分解后的图像重建,完成视觉图像的三维清晰重构.仿真结果表明,所提方法的峰值信噪比高、重构时间短、图像分辨率高.

摘要： 压缩感知重构图像时,重构图像的失真率会随着稀疏度的增大而增大.文章基于压缩感知的正交匹配追踪(OMP)重构算法,引入离散余弦变换(DCT)图像分块,降低由稀疏度增大对图像重构的影响.仿真结果表明:在相同的稀疏度条件下,改进重构算法重构图像的失真率要低于传统的OMP算法.在最佳分块数的条件下,改进重构算法PSNR值要比OMP高出1.5-3.2dB左右.

摘要： 运用BIM技术及3DS MAX软件建立三维道路模型,将不同绿化树木稀疏度的公路以图形的形式展现出来,并通过BIM软件把不同道路在一天不同时间段的日照所投射出来的树荫进行了分析,探讨了车辆在高速行车过程中,道路两侧树木稀疏度对驾驶员视觉疲劳的影响,为后续行车安全方面研究提供基础数据.

摘要： 面对结构健康监测过程中的海量数据,该文将压缩感知的方法应用于数据处理.先将处理的数据用于损伤识别,后与原始的数据进行损伤识别对比,初步验证压缩意知的方法是否能应用于工程结构损伤识别中.为了能够更好地评价结构在外力作用下的健康情况,该文以地震波为例,通过MATLAB建立了一个五层刚架算例进行了数值模拟,通过模拟大量的响应数据,并运用压缩感知的方法对原始数据进行处理,结合损伤识别方法和数值算例加以验证,结果表明压缩的数据在一定范围内不影响损伤识别的进行.

摘要： 传统图像分类方法在实际应用中存在图像丢失问题,本文结合深度字典学习方法,展开图像分类方法设计.通过深度字典学习的图像稀疏度描述和决策矩阵模板的图像匹配分类,提出一种全新的图像分类方法.实验论证证明,新的分类方法在实际应用中能够确保终端输出的分类结果与预计结果相等,不会出现图像信息丢失或错误分类问题,可实现对分类迭代时长的控制,具有更高应用价值.

摘要： 压缩感知中重构算法是重要的组成部分,而重构算法中稀疏度自适应匹配追踪算法(SAMP,Sparsity Adaptive Matching Pursuit)以其不需要预先知道稀疏度而受到广泛的应用.但是由于其采用固定步长,使得在实际应用中容易因初始步长设置不合理而导致过估计及欠估计的问题,降低了重构精度.为此本文在SAMP算法基础上引入对数步长可变的思想,步长可以随着迭代阶段而以对数的形式变化,这样可以在开始阶段具有较大步长,随着迭代的进行而逐渐变缓而接近稀疏度,从而获得较高的重构精度.实验表明,新提出的算法SAMP-BVS(SAMP Based on Variable Step),相比原算法提高了重构精度,在重构时间上减小了30％左右,因此验证了改进的可行性.

摘要： 旋转机械复杂的工作环境使得设备的在线监测成为必需.但信号的香农采样定理要求采样频率必须大于信号中最高频率的两倍,不仅导致采集的信号冗余度很大,而且给信号的采集和存储带来了很大的压力.压缩感知理论的提出使得这一问题的解决成为可能,它利用信号的稀疏性,可以通过较低的采样频率实现信号重构.然而,压缩感知理论中稀疏度的准确估计仍然是有待解决的问题.采用奇异值分解算法,在奇异值分解系数近似服从正态分布的假设下,基于正态分布曲线标准差与稀疏度存在某种线性关系,提出一种直接通过标准差来估算稀疏度的算法.该算法不但简单、快速,而且误差较低,对压缩感知理论在信号监测中的实际应用有着重要意义.

摘要： 随着GPS定位技术的不断发展与智能移动设备的普及,轨迹数据的获取变的越来越容易,同时轨迹数据相关的应用需求也逐渐增多.在普通轨迹数据上加入一定的语义信息,即可使得普通轨迹数据变为语义轨迹数据,通常语义轨迹包含有地理位置、时间与语义三方面的信息.从语义轨迹中挖掘频繁模式是轨迹数据研究中的重要问题,是很多语义轨迹相关应用的基础,如相似性计算、目的地预测、线路推荐等的基础.然而目前的语义轨迹频繁模式挖掘算法仅考虑地理位置和语义信息,并没考虑能够反映用户行为的时间信息(包括到达时间、离开时间、停留时间、行驶时间等).在考虑时间信息后,语义轨迹频繁模式的挖掘将会面临数据稀疏性问题,即很多频繁模式的概率值过小或为零,从而无法挖掘出有意义的频繁模式.因此,本文首先采用基于信息熵的聚类方法对语义轨迹的基础频繁模式进行划分以降低数据稀疏度,然后提供了基础频繁模式集更新的增量方法及剪枝方法以提高其维护效率,最后在真实数据上进行实验并验证了本文算法的有效性及高效性.本方法提供了一种将用户到达时间信息有效、高效的加入到语义轨迹频繁模式途径,它可以作为现有基于频繁模式的语义轨迹相关应用算法的输入,从而使得这些算法可以挖掘出更有意义的频繁模式进而更好的挖掘用户行为.

摘要： 为简化版面分割方法、提高检测效率,提出了一种基于稀疏度差异的快速版面分割方法.将稀疏度作为版面区域的特征描述,根据内容及背景区域间稀疏度的差异进行均值分类,得出各区域的类别标签,实现版面分割.在复杂版面图集上得到74.1％的识别率和1.61s的平均计算时间,表明方法有效且快速,较改进的基于连通域的版面分割方法,过程简单,计算简便,具有更好的适用性.

摘要： 本文提出了一种高效的基于Dice系数匹配准则的稀疏自适应匹配跟踪算法,用于对卫星通信系统中功率放大器数字预失真模型的冗余项进行删减.在本算法中,基于Dice系数的原子匹配准则用于DSAMP算法重构,该算法可以利用其重要分量向量的函数快速定位剩余信号主分量,取代传统的内积相似度测度规则.与其他稀疏删减算法相比,本文所提出的DSAMP算法具有较快的运行速度.用450MHZ16APSK信号激励的F类功放来作为算法能力的验证.仿真结果表明,DSAMP算法可以显著降低功放预失真器模型的系数,并且所获得的稀疏DPD模型与全模型的性能基本相同.

摘要： 知识表示学习在关系抽取、自动问答等自然语言处理任务中获得了广泛的关注,该技术旨在将知识库中的实体与关系表示为稠密低维实值向量.然而,已有的模型在建模知识库中三元组时,或是忽略三元组的邻域信息,导致无法处理关联知识较少的罕见实体,或是在引入邻域信息时不能自适应地为每个实体抽取最相关的邻节点属性,导致引入了冗余信息.基于以上问题,本文在知识表示模型TransE的基础上提出了聚合邻域信息的联合知识表示模型TransE-NA(Neighborhood Aggregation on TransE).该模型首先根据实体的稀疏度确定其邻节点数量,然后根据实体的邻边关系选取对应邻节点上最相关的属性作为实体的邻域信息.在链接预测和三元组分类任务上的实验结果表明,本文的模型效果超越了基线模型,验证了本文模型能有效聚合邻域信息,缓解数据稀疏问题,改善知识表示性能.

摘要： 计算机的电磁发射可能会泄漏有用信息.由于文字信息更可能包含有用信息,本文提出一种判断计算机电磁泄漏发射中是否含有文字信息的方法.该方法可以在不重建视频图像的情况下,做出准确的判断.本文利用小波域的稀疏分解来提取含有文字的泄漏信号的特征,并定义了分段稀疏度的概念,从而实现文字信息的检测.本文通过实验仿真对该算法在不同信噪比条件下的性能进行了评价.

摘要： 机电阻抗法(EMI)因其对结构出现的早期局部损伤非常敏感而在土木和航空航天领域得到了广泛的应用.由于EMI信号数据量巨大,且容易被噪声污染,健康监测系统在信号处理时会遇到传输和储存的困难.本文提出将压缩传感(compressive sensing)应用于EMI信号的压缩,以实现EMI信号的高效传输和储存.为了应用压缩传感,把高斯随机矩阵作为观测矩阵,用匹配追踪算法估计了EMI信号的稀疏度,同时满足了压缩传感所要求的信号的稀疏性和观测矩阵的不相干性.以一维损伤杆的EMI分析为例,以均方差作为损伤指标,讨论了压缩传感的压缩效果和抗噪声能力.结果表明,使用压缩传感之后,传输带宽和储存空间大大减少;当信噪比大于某一限值时,观测值能稳定地重构出原始信号.从数学上建立了EMI信号压缩传感理论,将EMI健康监测和压缩传感理论结合了起来.估计稀疏度时,用离散余弦变换代替匹配追踪法,使时间得到了优化.随机观测时,鉴于当前研究中观测次数与稀疏度的关系式比较模糊,根据压缩采样匹配追踪算法确定了特定稀疏度下满足限制性等距条件所需要的观测次数,并给出了经验公式,使压缩得到了量化.对一个一维Euler-Bounerll梁EMI模型进行了分析,少量的观测值几乎包含了全部的损伤信息.

摘要： 本发明提出了一种稀疏SAR成像自适应稀疏度估计方法，该方法包括：首先利用匹配滤波方法对欠采样的SAR原始数据进行成像，得到复图像，然后采用基于复图像的稀疏SAR成像方法，在复图像域中自适应迭代，得到预估的稀疏度，然后根据预估的稀疏度，更新稀疏度的迭代范围，最后引入方位‑距离解耦算子，并在更新后的稀疏度的迭代范围上，基于原始数据自适应估计稀疏度的最优值。相比于传统的基于观测矩阵的自适应稀疏度估计方法，本发明提出的方法能够在获得相近的稀疏恢复性能的同时降低计算复杂度。

摘要： 本发明提供一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法，具体步骤为：步骤一、利用实际试验的雷达系统参数，构建雷达观测模型，基于所述观测模型计算目标场景的稀疏度估计值；步骤二、根据所述稀疏度估计值，自适应地设定对应不同正交维度坐标条状区域的阈值，利用分维度阈值迭代算法，估计强点目标的坐标位置；步骤三、基于所述强点目标的坐标位置，利用最小二乘支集投影方法，恢复目标场景的后向散射系数，实现微波成像。该方法能够利用在降采样条件下获得的雷达回波数据，重建出高质量、高精度微波图像。

摘要： 一种块稀疏度未知的稀疏信号压缩感知重构方法，它涉及压缩感知技术领域，具体涉及对块稀疏信号的重构方法。本发明通过初始化块稀疏度

摘要： 本发明公开一种基于稀疏度和保真度约束的视频稳像方法，包括：第一步，把视频帧分段，段与段之间有一定数目重合的帧，第二步，选取当前段相邻帧之间的特征点对，第三步，对特征点对进行全局局外点去除，第四步，用得到的特征点对拟合二维线性运动模型，第五步，估计原始摄像机路径，第六步，确定平滑路径的目标函数和限制原始摄像机路径变化的约束条件，第七步，根据线性规划的求解得到截取窗口变换矩阵，第八步，去除视频中的非线性效应，第九步，用截取窗口变换矩阵对原始帧进行变换。本发明在减小视频抖动的同时，能够根据用户需要减小视频内容失真的程度，并对长视频的稳像有较好的效果。

摘要： 本公开涉及用于稀疏数据的基于瓦片的稀疏度感知数据流优化。系统、装置和方法提供了用于优化诸如3D点云数据集之类的稀疏数据的处理的技术。该技术可包括基于输入非结构化稀疏数据集(例如3D点云数据集)来生成地点感知规则书，地点感知规则书存储输入非结构化稀疏数据集中的活跃体素的空间邻域信息，基于地点感知规则书计算平均接受场(ARF)值，以及基于计算出的ARF值从多个瓦片大小和循环顺序组合中确定用于处理非结构化稀疏数据集的瓦片大小和循环顺序组合。该技术还可包括将地点感知规则书和瓦片大小和循环顺序组合提供给诸如神经网络之类的计算引擎，计算引擎利用地点感知规则书和瓦片大小和循环顺序组合来处理非结构化稀疏数据集。

摘要： 本发明提供了稀疏度自适应的稀疏傅里叶变换方法，方法包括：对时域信号的稀疏度进行过估计，得到预测稀疏度；利用预测稀疏度，对时域信号进行稀疏傅里叶变换得到时域信号的频域矢量；剔除频域矢量中无效的虚警分量，得到最终的频域矢量。基于本发明的稀疏度自适应的稀疏傅里叶变换方法，本发明还提供了一种终端及存储介质，本发明的技术方案，通过对稀疏度的过估计，迭代次数较少，只需在后端的频率筛选部分剔除无效频率分量，运算量小，算法复杂度低，运算时间上快于传统FFT算法，而且效果很理想，具有可靠性。

摘要： 本发明提出了一种稀疏SAR成像自适应稀疏度估计方法，该方法包括：首先利用匹配滤波方法对欠采样的SAR原始数据进行成像，得到复图像，然后采用基于复图像的稀疏SAR成像方法，在复图像域中自适应迭代，得到预估的稀疏度，然后根据预估的稀疏度，更新稀疏度的迭代范围，最后引入方位‑距离解耦算子，并在更新后的稀疏度的迭代范围上，基于原始数据自适应估计稀疏度的最优值。相比于传统的基于观测矩阵的自适应稀疏度估计方法，本发明提出的方法能够在获得相近的稀疏恢复性能的同时降低计算复杂度。

摘要： 本发明公开了一种水声稀疏信道估计变步长稀疏度自适应匹配追踪方法，充分利用水声信道稀疏多径特性，避免传统信道估计技术中导频数目过多造成频谱资源的浪费。并且该方法无需稀疏度作为先验信息，通过步长扩充支撑集，迭代终止时支撑集大小即为估计稀疏度。此外，融入分阶段思想和变步长，将信号重构过程划分为多个阶段，在某一阶段支撑集原子数目保持恒定，相邻阶段通过不同大小的步长逐步扩充支撑集。本发明在不显著增加计算量的前提下提高恢复准确度，即在重构精度和计算复杂度之间获得更优权衡；与现有的经典贪婪算法相比，本发明无需稀疏度作为先验信息，同时步长自适应变化能够兼顾算法精度和运行效率。

摘要： 本发明提供一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法，具体步骤为：步骤一、利用实际试验的雷达系统参数，构建雷达观测模型，基于所述观测模型计算目标场景的稀疏度估计值；步骤二、根据所述稀疏度估计值，自适应地设定对应不同正交维度坐标条状区域的阈值，利用分维度阈值迭代算法，估计强点目标的坐标位置；步骤三、基于所述强点目标的坐标位置，利用最小二乘支集投影方法，恢复目标场景的后向散射系数，实现微波成像。该方法能够利用在降采样条件下获得的雷达回波数据，重建出高质量、高精度微波图像。

摘要： 一种块稀疏度未知的稀疏信号压缩感知重构方法，它涉及压缩感知技术领域，具体涉及对块稀疏信号的重构方法。本发明通过初始化块稀疏度k，对每一个块稀疏信号的迭代，找到信号支撑集的一个子集，随着不断迭代，块稀疏度随之增加，最后找到整个源信号x的支撑集，从而达到重构源信号x的目的，本发明采用多次迭代并修正支撑集的思想来重构信号，重构的精度高，与现有的块稀疏度匹配追踪以及正交匹配追踪方法相比，对块稀疏信号的重构概率大，不存在过匹配现象。且本发明不需要以块稀疏度作为先验知识，尤其适用于块稀疏度未知信号重构领域。