稀疏性

摘要： 为解决风电功率预测过程中面临的风电数据量大且复杂化以及如何提高预测精度的问题,基于堆叠稀疏降噪自动编码器提出地区风电场群高精度超短期风电功率预测方法。该方法采用自编码器对输入风电功率数据进行降维提取特征,为进一步增强自动编码器的抗干扰性,对其引入稀疏性约束和降噪技术。该方法能够有效降低数据的解析难度和提高特征提取的可靠性。通过实际算例验证,该预测方法可有效提高多风电场功率预测的精度。

摘要： 考虑特征数据的多响应logit决策模型常用于个性化推荐问题,尤其在考虑参数矩阵的低秩结构时该方法表现较好。近年来有较多理论和算法上的进展,但是该决策模型中的参数估计在高维情形下仍然具有挑战性。因此,本文引入了基于特征数据的惩罚似然方法,进而还原顾客、产品关于推荐结果的稀疏结构。提出的方法同时考虑低秩和稀疏结构,以降低模型复杂度,同时提升参数估计和模型预测的精度。新算法稀疏因子梯度下降(SFGD)用于参数矩阵的估计,该方法有较高的可解释性以及计算效率。作为一阶的方法,SFGD不用考虑Hessian矩阵的计算,在高维情形下有较好表现。模拟研究表明,SFGD在参数估计、稀疏还原以及算法平均regret上均优于现有方法。通过广告行为数据分析来验证了方法的有效性。

摘要： 文章提出一种两阶段二次判别分析建模方法,该方法将高维协方差阵的估计转化为低维矩阵的估计问题,从而有效解决了超高维二次判别分析计算量大的问题。数值模拟和实际数据分析结果表明,在有限样本情形下,两阶段估计方法在变量选择和分类误差率方面的性能更好。

摘要： 协同过滤推荐算法因其合理的可解释性以及简单的实现过程而被广泛应用。然而,在推荐系统中数据集通常具有规模大、稀疏度和维度高等特点,这些特点给协同过滤推荐算法带来了很大的挑战。为了缓解上述问题,提出了一种基于评分区域子空间的协同过滤推荐算法。基于用户-项目评分矩阵,该算法首先将评分范围划分为3个区域,即高评分区域、中评分区域以及低评分区域,根据这3个区域分别为每个用户寻找其项目子空间,即高评分子空间、中评分子空间以及低评分子空间。其次,定义了一种新的相似度计算方式,在各区域子空间中分别计算用户之间的评分支持度,只有当用户在各个子空间上的评分支持度都很高时,用户之间才是相似的。这种方式避免了惰性评分用户的评分干扰。实验结果表明,该算法能够在一定程度上解决数据稀疏性问题,特别是针对高维数据能降低其计算复杂度,并提高其推荐性能。

摘要： 基于协同过滤的算法是推荐系统中最重要的方法,由于冷启动和数据稀疏性的特点,限制了其推荐性能。为了应对以上问题,提出了知识图谱和轻量级图卷积网络推荐系统相结合的模型,该模型通过将知识图谱中的各个实体(项目)进行多次迭代嵌入传播以获取更多的高阶邻域信息,通过轻量聚合器进行聚合,进而预测用户和项目之间的评分。最后,在3个真实的数据集上MovieLens-20M、Last.FM和Book-Crossing的实验结果表明,该模型与其他基准模型相比可以得到较好的性能。

摘要： 针对基于成对抗网络(GAN)的单幅图像去雾算法,其模型对样本真值过度拟合,而在自然图像上表现一般的问题,本文设计了一种融合暗通道先验损失的生成对抗网络来进行单幅图像去雾。该先验损失可以在网络训练中对模型预测结果产生影响,纠正暗通道特征图的稀疏性与偏度特性,提升去雾效果的同时阻止模型对样本真值过度拟合。另外,为了解决传统的暗通道特征图提取方法存在非凸函数,难以嵌入网络训练的问题,引入了一种基于像素值压缩的暗通道特征图提取策略。该策略将最小值滤波等效为对像素值压缩,其实现函数是一个凸函数,有利于嵌入网络训练,增强算法整体的鲁棒性。另外,基于像素值压缩的暗通道特征图提取策略不需要设置固定尺度提取暗通道特征图,对不同尺寸的图像均有良好的适应性。实验结果表明,相较于其它先进算法,本文算法在真实图像以及SOTS等合成测试集上均有良好的表现。

摘要： 插值估计可缓解推荐系统的稀疏问题,但其效果会影响预测性能。以logistic用户习惯(habit)评分加权改进Jaccard(HabJac)相似度量,并通过K近邻获得插补评分。进而,通过融合正则化奇异值分解(RSVD)技术提出了新的HISVD推荐算法,并获得最终预测。用户的习惯评分被定义为其出现频次最高的评分,并且logistic权值同评分与习惯评分之间的欧氏距离正相关。在四个现实数据集上的实验结果表明:a)HISVD在不同数据集上,最优情况下的参数比较稳定;b)HISVD在MAE和RSME指标上均超过了主流算法。

摘要： 模糊的超声图像经过极端通道先验去模糊后不够稀疏,导致极端通道稀疏约束可能不存在。因此,为了充分利用图像通道信息,通过增强去模糊后超声图像的稀疏性,提出一种二次稀疏极端通道先验盲超声图像去模糊算法。首先,给出了相关的理论证明和实验说明二次稀疏极端通道先验用于约束模糊超声图像的可行性;然后,充分利用暗通道和亮通道的先验信息,在交替迭代过程中采用半二次分裂方法估计中间图像和模糊核;最后,用傅里叶变换求得最终的清晰图像和模糊核。在超声图像集上的实验结果表明,本文提出的二次稀疏极端通道先验盲超声图像去模糊算法和其他超声图像去模糊方法相比更具可行性和优越性。

摘要： 针对数据的稀疏性和高维问题,提出一种基于k多数值代表的混合矩阵对象数据聚类方法,有效反映聚类中心与聚类内矩阵对象的分布.为充分挖掘数据之间的隐含信息,该算法首先定义两个数值矩阵对象之间的相异度度量,给出一种更新聚类中心的启发式方法;然后进一步提出一种基于k多数值代表的混合矩阵对象数据聚类算法;最后在真实数据集与合成数据集上进行仿真实验.实验结果表明,该算法能有效实现包含大量记录、矩阵对象、属性的数据聚类.

摘要： 随着数据来源的不断丰富,数据的获取变得愈发容易,但质量难以得到保证,从而导致缺失值在真实数据集中普遍存在且难以避免,缺失值填补也就成为数据质量管理领域的经典问题之一。目前,大多数的缺失值填补算法均是针对静态数据提出的,并不适用于高速到达的动态数据流,且现有算法大多未同时考虑数据的稀疏性和异构性问题。基于此,文中提出了一种新的基于独立模型的在线缺失值填补算法RIIM。该算法同时考虑了数据的稀疏性和异构性问题,并结合近邻填补和回归填补的基本思想对缺失值进行有效填补。首先,针对数据的动态实时性,提出了高效的填补模型增量更新算法;其次,针对数据近邻查找时间代价高以及近邻个数难以确定的问题,提出了最优近邻自适应周期性更新策略;最后基于真实数据集通过大量实验验证了所提算法的有效性。

摘要： 目前,BOC族调制信号在新一代卫星导航定位系统中广泛应用.为了解决导航信号接收机的宽带化、低采样率和低功耗的问题,对BOC调制导航信号进行稀疏性分析十分必要.结合压缩感知原理并在学习字典的框架下,提出了一种基于SL0改进型的ITNSL0稀疏分解算法.仿真结果表明,相比于传统的OMP算法,该方法对BOC调制导航信号的稀疏分解效果较好,在稀疏分解速度、重构精度和去噪特性上有明显提升,为减少接收机中导航信号同步捕获时间及提升后续信号处理增益等内容奠定了基础.

摘要： 在贝叶斯极限学习机中,模型隐层节点数的确定尚无理论依据,为此本文提出了一种基于多响应稀疏回归方法(Multiresponse Sparse Regression,MRSR)的隐层节点数稀疏方法.首先根据传统神经网络确定隐层节点数的经验方法设定模型的隐层节点数为区间范围的上限,然后利用MRSR方法对模型输出矩阵和标签向量进行稀疏性回归分析求解,最后能得到一个既能对隐层节点数进行稀疏也能对样本个数进行稀疏的贝叶斯极限学习机模型.仿真结果表明该方法在满足精度要求的前提下能剔除冗余的隐层节点,进一步实现了模型的稀疏性.

摘要： 本方法可以满足大场景多房间的室内结构化三维重建。构建的房间平面图具有很高精度。门窗检测的查全率较高，查准率相对较低，和点云数据的噪声，稀疏性有关系。

摘要： 估价系统的难点及挑战是交易数据的稀缺、稀疏和时变，由于数据的稀疏性，很难通过统计的方法去除异常挂牌/成交，每一条成交和挂牌都十分重要，为参考均价添加平滑:当历史数据和新数据发生冲突时，选择相信新数据，但每天只信一点点，等待业务部门复核数据。

摘要： 信源到达角估计在雷达、声纳、通信等领域具有重要意义,是相关专家学者研究的热点.传统的到达角估计方法包括常规波束形成法(CBF)、Capon方法、子空间类方法(MUSIC、ESPRIT等)和最大似然法等.这些方法在特定条件下均能取得较好的估计性能,但是在阵元部分失效条件下,估计性能会大大下降,甚至无法工作.

摘要： 穿墙雷达成像(Through-the-wall Radar Imaging,TWRI)可以应用在自然灾害、反恐和生命特征提取等特殊场景,这些场景的主要特点是数据运算量大.本文将压缩感知(Compressive Sensing,CS)应用在穿墙雷达成像中.通过时域有限差分方法得到场景中的回波信号,用背景相减法提取出目标回波,将所有采样值投影到测量矩阵上得到部分观测值,减小了数据在时间和空间的采集量.由于场景具有稀疏性,通过正交匹配算法重构出原始信号对其成像,成像效果与传统成像方式具有几乎相同的分辨率和质量.

摘要： 针对传统基于短语的机器翻译中采用的精确匹配策略导致翻译出的短语存在稀疏性的问题,引入相似度解决翻译后短语的稀疏性问题.对此,文章首先结合机器翻译的原理进行分析,并指出传统短语翻译存在的问题;其次,提出短语相似度统计模型,在对训练的语料库进行训练时,对其中没有出现过的短语,通过计算短语之间的相似度的方式,并改变传统的精确匹配方式,而采用模糊匹配策略,从短语表中查找相似度较高的实例短语,最后这些实例短语,构造汉英翻译句子;最后,对上述的算法进行了实验验证.结果表明,极大的提高了翻译的质量.

摘要： 目的：利用用户间信任关系改进协同过滤推荐中用户相似性计算精度,即在目标用户没有相似用户的前提下,从其信任用户中选择信任值高的作为相似用户,进而提高相似用户聚类效果,提高推荐质量,并有效缓解协同过滤推荐稀疏性和冷启动问题. 方法：筛选信任用户作为相似用户;根据选择的信任用户和目标用户形成一个项目的评分集,并对目标用户未评价过的项目进行评分估算(根据信任用户评分进行简单的评分计算);将用户间的信任关系依据方差大小进行量化,形成一个调节因子.本文的创新点就在于调节因子的计算,并将调节因子纳入用户相似性计算,形成相似性用户聚类簇,在此基础上在相似用户之间进行交叉推荐. 结果：通过平均绝对误差指标进行实验评价,结果表明基于信任关系的协同过滤推荐方法相比传统协同过滤,在推荐精度上更加准确,并同时有效缓解了冷启动和稀疏性问题. 局限：本文提出的方法仅在具有信任关系的一个算例上进行实验测试,需在其他数据集和真实应用场景下进一步检验. 结论：用户间信任关系蕴涵非常有价值的信息,对用户信任关系进行量化,并纳入用户相似性计算,在此基础上实施协同过滤推荐,对缓解冷启动与稀疏性问题具有较好的理论和实践意义.

摘要： 通过获取CNKI学术期刊数据库和WOS核心合集数据库中与知识流动有关的文献,采用时间维度的关键词共现分析方法对其进行研究,探索了国内外知识流动研究演化路径,并对两者进行了对比分析.研究发现:国内外知识流动研究可分为潜伏期、快速发展期和稳定发展期3个阶段;国内外知识流动研究演化路径存在稀疏性特征,路径表现出主流明确、支流繁多的特点;国内外在知识流动研究的基本概念和研究目的基本相同,但在供应链、公司层面等具体研究方面,存在较大差异;相比国际一流水平,国内知识流动研究一方面需要从国际视角进行思考,另一方面需要在定量分析和信息系统上加大力度.

摘要： 随着经济与科学技术的快速发展,现代结构设计不断呈现出大型化、复杂化、多样化的趋势,而这些结构设计使用寿命较长、影响力较大,一旦失事,将会造成严重的生命财产损失.因此,为了保障结构的安全性、完整性与耐久性,对这些结构的损伤识别是有重要意义的,可以消除隐患,防患于未然.传统的损伤识别方法识别精度低,损伤误判大.Bernal在2002年,根据损伤前后结构柔度矩阵的变化,提出了结构损伤定位向量法,并对一平面桁架进行了数值模拟;本文对损伤定位向量方法进行了优化,进行了数值模拟及实验验证,证明了优化方法损伤定位的有效性.为能应用在实际工程当中迈出了坚实的一步.在实际工程应用中,在施工过程中埋设加速度传感器,竣工后的信号称为无损信号;在使用过程中的某个阶段,使用阶段的信号称为有损信号.通过无损信号、有损信号可以对结构进行实时监测,实时识别损伤构件.

摘要： 一种训练神经网络的计算机实现的方法。该方法包括通过选择神经网络的参数的第一子集并将网络参数的前向传递集合的所有其他参数设置为零来重复地确定网络参数的前向传递集合。然后，该方法根据网络参数的前向传递集合使用神经网络来处理训练数据项以生成神经网络输出，从神经网络输出和训练数据项来确定目标函数的值，选择网络参数的第二子集，确定包括参数的第一子集和第二子集的网络参数的后向传递集合，并且使用从目标函数的值确定的梯度估计来更新与网络参数的后向传递集合相对应的参数。

摘要： 一种基于时序稀疏回归及加性模型影像相关性检测方法,包括4个步骤步骤。本发明通过上述4个步骤得到多个关于时间表型平滑函数及ROI的权重，从而通过多个SNP对表型的贡献描述特定区域得到大脑区域时间进展轨迹以及表型的区域差异的相关性。通过最小均方根误差RMSE作为特定大脑区域退变进展轨迹与模型是否匹配评价指标，本发明的RMSE为0.15，而现在技术模型基于时序稀疏加性模型的RMSE为1.14，稀疏加性模型的RMSE和组稀疏加性模型的RMSE都为1.33，因此本发明的效果更优。

摘要： 本发明涉及一种用于衡量信号稀疏性的稀疏度量方法，属于信号处理技术领域。本发明包括步骤Step1：对滚动轴承振动信号进行稀疏变换；Step2：对变换后的系数去均值处理；Step3：然后对信号进行幅值归一化处理；Step4：获取最大幅值，并取20%作为阈值；Step5：通过系数中所有大于该阈值数的个数，然后除以系数的总个数，即得到稀疏指标。本发明提供的方法简单、快速，易于实现。本发明方法计算得到的稀疏指标能够使用明确、统一的数值衡量稀疏变换系数的稀疏度，解决了目前信号稀疏表示的结果无明确、统一衡量指标的问题。

摘要： 本发明涉及一种基于变换学习和联合稀疏性的迭代自一致性并行成像重构方法，属于医学磁共振成像技术领域。本发明基于迭代自一致性并行成像重构问题，提出了一种结合变换学习和联合稀疏正则项的笛卡尔迭代自一致性并行磁共振成像重构方法，利用变量分离(Variable Splitting，VS)和交替方向乘子法(Alternating Direction Method of Multipliers，ADMM)技术进行求解。对两个实际数据集的仿真实验表明，与其他比较方法相比，本发明提出的新算法能获得更好的重构质量。

摘要： 本公开涉及任意神经网络的机器学习稀疏计算机制、用于训练机制的算术计算微架构以及稀疏性。公开了一种用于促进任意图形数据的稀疏矩阵的处理的装置。该装置包括具有数据管理单元(DMU)的图形处理单元，该DMU包括用于调度矩阵操作的调度器、用于跟踪有效输入操作数的有效逻辑、以及用于跟踪要由调度器跳过的不重要输入操作数的跳过逻辑。处理电路被耦合到DMU。处理电路包括多个处理元件，处理元件包括用于读取操作数的逻辑和用于使任意图形数据的两个或更多个操作数相乘的乘法单元。

摘要： 本发明涉及一种用于衡量信号稀疏性的稀疏度量方法，属于信号处理技术领域。本发明包括步骤Step1：对滚动轴承振动信号进行稀疏变换；Step2：对变换后的系数去均值处理；Step3：然后对信号进行幅值归一化处理；Step4：获取最大幅值，并取20%作为阈值；Step5：通过系数中所有大于该阈值数的个数，然后除以系数的总个数，即得到稀疏指标。本发明提供的方法简单、快速，易于实现。本发明方法计算得到的稀疏指标能够使用明确、统一的数值衡量稀疏变换系数的稀疏度，解决了目前信号稀疏表示的结果无明确、统一衡量指标的问题。

摘要： 本发明属于能谱CT重建技术领域，特别涉及一种非局部相似性和空间稀疏性的多段能谱CT重建方法及装置，该方法包括首先分析有限角度重建图像的伪影特征，并生成融合CT图像，从融合CT图像中提取梯度图像的零值集位置；然后将零值集位置作为先验知识以等式约束的形式合并到TV最小化模型中得到重建模型；接着基于非局部相似性和空间稀疏性，对重建模型进行更新；最后利用交替方向乘子法迭代求解更新后的重建模型，获得重建图像。本发明能够减少有限角度伪影，提升重建图像的质量。

摘要： 本发明涉及一种用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法，用于改善混响抑制鲁棒性的低秩矩阵稀疏性补偿方法从低秩稀疏分解成立的理论条件出发，提出了一种提高鲁棒性的方法，因此该方法不仅对混响抑制有效，对该方法在其他领域的应用也有效，如红外目标检测，人脸识别以及雷达信号处理等。本发明涉及方法实现了低秩矩阵稀疏性补偿的目的，从而提高了混响抑制的鲁棒性。同时，该发明对低秩稀疏分解方法在其他领域的广泛应用有很好的借鉴意义。

摘要： 本发明提供了一种基于稀疏性与非局部均值自相似性的图像复原方法，属于图像复原技术领域。该方法首先根据输入的初始低分辨率图像利用比值稀疏约束算法得到假设的清晰图像；再根据初始低分辨率图像和假设清晰图像计算点扩散函数；然后根据初始清晰图像和点扩散函数估计组稀疏重建块，根据初始清晰图像估计非局部均值自相似特征重建块；最后根据组稀疏重建块和非局部均值自相似性特征重建块得到最终的清晰图像。该方法使用图像的非局部均值自相似性特征、组稀疏特征、点扩散函数相结合的策略，有效改善图像细节信息，可实现减少图像模糊和噪声、提升边缘细节信息的效果，达到提高图像质量的目的。

摘要： 本发明公开了一种基于梯度稀疏性与非局部相似性信息的图像复原方法，包括第一阶段基于梯度稀疏性的图像非盲复原，以及第二阶段基于非局部自回归模型的图像质量提升。其中第一阶段基于梯度稀疏性的图像非盲复原包含如下核心步骤：当前梯度图像辅助变量计算；当前复原图像更新；拉格朗日乘子计算。本发明以图像变换域稀疏性为基础，从而能够恢复出图像中的边缘结构，在此基础上，进一步利用图像中的非局部相似性信息，提升了图像复原的质量。