基于压缩感知的人脸识别算法实现

为了可以更好地处理人脸识别中数据量大、高维度、非线性等问题,文中提出了一种基于压缩感知的人脸识别算法。首先采用随机测量矩阵将人脸稀疏表示,其次使用主成分分析法对人脸进行特征提取,最后运用改进的梯度投影法来确定测试人脸图像的分类。实验在ORL人脸数据库中进行验证,表明本文提出的算法具有更短的识别时间和更高的识别率。     

稀疏数据插值问题的回归克里格方法

针对稀疏数据的插值问题,基于克里格方法提出了一套应用于数据量少、插值空间广泛的回归克里格方法.研究结果表明,该方法可有效解决稀疏数据无法给出合理理论变异函数的问题,且插值结果与基于最小二乘法的简单克里格相比平稳性更好.回归克里格方法应依据具体问题选择变量,以满足强相关为首要条件,过多增加相关变量往往不能取得很好的插值效果.     

浅析稀疏脉冲反演与模型反演

波阻抗反演是指利用跌后地震资料进行反演的技术,是进行进行储层特征描述,开展储层研究的重要手段之一。它将地震资料、测井数据、地质解释相结合,充分利用测井资料具有较高的垂向分辨率和地震剖面有较好的横向连续性的特点,将地震剖面“转换”成波阻抗剖面,已成为解释技术中不可缺少的一项解释性处理技术。现在出现了很多种波阻抗反演方法,但是这些方法有不同的适用条件,因此我们用稀疏脉冲反演与模型反演方法进行反演效果比较,来分析如何怎样正确应用这些方法。     

遮挡情况下水尺图像特征加权学习识别算法

考虑实际应用中水尺图像受遮挡较多,自动识别水位困难的问题,提出了一种遮挡情况下的水尺图像特征加权学习识别算法。针对现有稀疏表示算法通常对图像整体进行操作如字典训练等,致使图像中的特征信息无法突出的情况,提出在稀疏表示过程中对回归系数设置不同权值并在迭代过程中对权值更新学习。首先通过对特征权值的迭代学习以增加有效信息的权重,排除遮挡信息的干扰;其次,通过对图像分类残余值进行不同模型下的回归表示,提出采用更能表现出残余值重尾分布实际情况的逻辑分布模型。实验过程采用实际水尺图像,先通过边缘检测等预处理方式得到当前水位的刻度图像,进一步对该图像附加遮挡进行分类识别以验证实验结果,所附加遮挡用以模拟水尺刻度被水面遮挡等情况。实验结果表明,与常用的稀疏回归表示算法相比,该算法在多遮挡情况下的性能较优。图10幅。     

改进型字典学习的图像超分辨率重建

针对现有算法中字典训练花费的时间非常大,且超分辨率图像重建效果不够理想等问题,提出一种改进型字典学习的超分辨率图像重建算法.该算法在字典训练阶段,先采用PCA对低频样本集进行降维,再单独训练出低频字典,然后利用稀疏表示系数集和高频图像样本集训练出对应的高频字典,从而提高了字典构建速度.在重建阶段,先利用字典重建出初始的高分辨率图像,再根据图像结构自相似的特征,对图像进行结构自相似优化,然后对图像进行全局优化,从而提高了重建图像的质量.实验结果表明,该方法无论是在客观评价指标还是主观视觉效果方面都有明显的提高.     

并行稀疏矩阵与向量乘的负载平衡和通信优化

本文考虑了在工作站机群上实现大型稀疏矩阵和向量乘的负载平衡。提出了一个快速负载平衡和有效的消息传递技术相结合的方法,来缓解计算和节点间通信。该方法的性能在工作站机群上进行测试,可获得良好结果;并且,通过I/O延迟隐藏和整体负载平衡使I/O开销能有效地分摊。     

稀疏气泡流动的粒子跟踪测速技术研究

采用动态阈值技术实现了对气泡图像的正确分割,利用灰度加权方法提高了气泡颗粒的定位精度。根据稀疏气泡流动图像的特点,提出了一种新的基于相关的粒子跟踪测速算法（2-HPTV）。通过进行两时刻中围绕待研究气泡所取的两个小的诊断窗口的相关运算,成功实现了气泡颗粒的轨迹追踪。实验表明本文算法较传统的PIV技术在测速精度上有很大程度的提高,与4帧粒子跟踪测速算法相比,降低了对摄像机帧频的要求,具有较强的实用性。     

基于梯度范数的暂态稳定评估模型的不平衡修正方法

为了解决电力系统中样本数量和质量不平衡造成的暂态稳定评估偏差问题,从评估模型的训练过程出发,通过预训练模型获得样本对模型参数修正的梯度范数,引入梯度范数均值比量化样本的不平衡程度,相较于先验信息,梯度范数均值比综合考虑了样本数量与样本质量的不平衡,并提出基于代价敏感法的不平衡修正方法,利用该方法改善模型的评估倾向性,以实现较好的修正效果.IEEE 39节点系统和华东电网系统的仿真结果验证了所提方法的有效性.     

基于子空间模型的稀疏贝叶斯DOA估计

为了提高相干信源条件下的离格波达方向(direction of arrival, DOA)估计精度,提出一种基于子空间模型的稀疏贝叶斯学习(sparse Bayesian learning, SBL)的DOA估计算法。该算法首先将子空间平滑(subspace smoothing, SS)技术与加权子空间拟合(weighted subspace fitting, WSF)技术结合,然后将此子空间模型应用于SBL算法,并将离散网格点视为动态参数,用期望最大化(expectation maximization, EM)算法迭代更新网格点位置。与传统稀疏恢复算法相比,该算法在估计误差及计算复杂度上均具有明显优势,并对信源数目的估计误差具有较强的鲁棒性。     

基于光易变性低秩正交先验的高光谱解混

高光谱解混是通过图像分解提取端元及丰度特征的过程,然而由光照、大气等因素引起的光谱类内易变性,或者由环境变化、设备等非线性因素导致的谱间易变性,会导致特征提取精度下降。为了全面考虑解混过程中光谱变化的问题,本文引入光谱易变性的低秩正交先验提出了一种增强型的光谱解混优化模型。首先,在线性解混模型基础上引入易变性数据拟合项来同时考虑光谱类内和类间变化,利用缩放因子来解决光谱类内易变性,同时增加光谱易变性扰动矩阵来解决谱间易变性。其次,该模型利用正交先验约束来实现原光谱字典与易变性项的空间低相干性,通过采用核范数对数松弛来强化丰度矩阵的低秩特性,抑制微小分量及噪声。最后,采用交替优化法及向量-矩阵算子降低求解算法复杂度。通过模拟数据集和真实数据集仿真测试结果表明,本文所提算法取得了优于对比算法的良好性能,验证了该优化模型的有效性。