利用matlab编程通过正交匹配追踪算法对信号进行稀疏编码
利用matlab编程通过正交匹配追踪算法对信号进行稀疏编码
机器学习的大牛Ng关于深度学习中，稀疏编码的算法的描述，可以帮助了解深度学习以及稀疏编码的算法
本文提出了一种基于带有外生输入建模和稀疏编码的自回归模型的单次审判诱发电位（EP）估计方法。 该方法使用稀疏编码而不是自回归移动平均模型来建模EP，因为前者更灵活。 字典中最匹配的原子用于表示EP信号，而无需...
提交的内容包含稀疏编码程序以及支持向量回归和装袋树程序。 它还包含论文中使用的 16 个数据集引用：Waleed Fakhr，“用于非线性时间序列预测的稀疏局部线性和相邻嵌入”，ICCES 2015，2015 年 12 月。 “本文提出...
matlab 压缩感知图像稀疏表示常见算法介绍及编码
首先对观测信号采用稀疏编码方法进行稀疏编码，然后对处理后的信号使用压缩方法处理，从而将ICA过程中对噪声所代表的小的变元值变小或置零，最终达到对噪声的削弱。仿真表明，稀疏编码方法对TPM通信中的噪声确实有较...
本文提出了一种基于稀疏编码和分类器集成的多实例学习框架下的图像分类问题的新方法。 具体而言，从所有训练包的实例中学习字典。 包的每个实例都表示为字典中所有基本向量的稀疏线性组合，然后，包也表示为一个特征...
标签： 稀疏编码 稀疏 深度学习
稀疏编码的经典论文 稀疏表示 稀疏性，哺乳动物视觉皮层的特性
在稀疏表示问题中，给定一个字典，OMP算法可以以较快的收敛速度和较少的迭代次数实现稀疏编码矩阵（稀疏系数矩阵）的求解。
matlab_迁移学习和稀疏编码来实现不同领域之间的适配
matlab仿真故障代码基于集群稀疏编码的大型电力系统多事件分析 实时准确的事件分析对于高保真态势感知至关重要，这样可以在任何孤立的故障升级为级联停电之前采取适当的行动。 现有方法仅限于检测单个或两个事件或...
在本文中，我们提出了一种新颖的实用框架，该框架通过整合可视显着性模型和稀疏编码的判别式学习，可以高效且同时检测遥感图像（RSI）中的多类地理空间目标。 首先，通过学习从各种视觉特征到专家手动注释的地理...
1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程...
卷积稀疏编码（CSC）已被广泛用于图像和信号处理中的平移不变字典的学习。然而，现有的方法的可扩展性是有限的。在本文中，我们使用的不是样本共享的字典来卷积，而是使用样本自适应字典，其中每个过滤器是...
通过对称为DSCLP的局部补丁进行区分性稀疏编码的特征表示，该模型在针对局部聚类补丁的字典上进行训练，从正负数据集采样，显着提高了判别能力和鲁棒性，这使得我们的方法对复杂逼真的设置，并带有各种质量下降的...
稀疏编码的一些学习和思考
标签： 研究论文
有监督贝叶斯稀疏编码分类
基于字典的语音增强中稀疏编码计算稀疏矩阵的一种改进算法，称作larc
为了实现对滚动轴承故障位置和损伤程度的准确定位,将类别判别信息引入到无监督的稀疏编码中,提出一种有监督稀疏编码(Supervised Sparse Coding,SSC)方法,建立基于希尔伯特黄变换(Hilbert-Huang Transform,HHT)和SSC...
为克服该问题，通过配备无线传感器网络，采用稀疏编码实现桥梁结构健康监测，然后通过大量未标记实例在实现特征提取基础上进行稀疏编码算法训练，实现数据维度压缩和无标记数据预处理；并利用深度学习算法实现桥梁...
这项研究旨在评估稀疏编码超分辨率（ScSR）在16位数字成像和医学通信（DICOM）图像格式中提高重建的高分辨率MR图像的图像质量的有效性。 材料和方法：从分子库中采集了59个T1加权图像（T1），84个T2加权图像（T2）...
基于移不变稀疏编码的单通道机械信号盲源分离
图像是有一些基的线性组合形成。自然图像是个稀疏结构，即任何给定图像都可以用大数据里面的少数几个描述符（基）来表示。寻找使得每个系数的概率分布是单模态并且在0处是峰分布的低熵（low-entropy）方法。 ref ...
百度深度学习研究院的研究介绍，稀疏编码的详解，简洁易领会，是学习稀疏编码的很好资料
基于补丁排序和同时稀疏编码的极化SAR图像滤波 POSSC 是一种用于 POLSAR 图像滤波的算法。 该算法重现了文章的结果：B. Xu et al。 'Polarimetric SAR Image Filtering based on Patch Ordering and Simultaneous ...
基于稀疏编码的图像超分辨率复原.pdf
最近，通过稀疏编码的单图像超分辨率重建（SISR）引起了越来越多的兴趣。 考虑到医学图像中明显存在重复的图像结构，本研究通过稀疏编码和结构相似性提出了一种正规化的SISR方法。 基于像素的恢复被作为正则化项并入...
如何理解深度学习中的deconvolution networks？谭旭的回答如果我们把输出必须和输入相等的限制放松，同时利用线性代数中基的概念，即 O=a1⋅ϕ1+a2⋅ϕ2+...+an⋅ϕnO=a_1 \cdot \phi_1+a_2 \cdot \phi_2+...+a_n \...
针对传统相似性测度易受灰度偏移场的影响而造成误配，以及单层P样条变换模型中通常无法准确选择初始化网格密度的问题，提出了多层P样条和稀疏编码的非刚性医学图像配准方法。该方法将稀疏编码作为相似性测度，首先把...
针对稀疏表示用于目标跟踪时存在重构误差表示不够精确、目标模板更新错误等问题，提出一种改进的稀疏编码模型。该模型无需重构误差满足特定的先验概率分布，且加入对编码系数的自适应约束，可以取得更优的编码向量，...