”稀疏贝叶斯“ 的搜索结果

     稀疏贝叶斯通过在先验分布中引入稀疏性的假设，使得只有部分参数对于数据的生成是非零的，从而减少了参数空间的搜索范围，提高了模型的效率。一种常见的稀疏贝叶斯方法是使用稀疏先验分布，例如拉普拉斯先验或者稀疏...

     稀疏贝叶斯学习 2 对于最原始的稀疏表示问题，其拉格朗日形式可写为： s^=arg⁡min⁡s∥y−As∥22+λ∥s∥0 \begin{aligned} \hat{\mathbf s} =\underset{\mathbf s}{\arg\min} \Big\Vert \mathbf y - \mathbf A \...

     稀疏贝叶斯学习（SBL）是贝叶斯统计优化算法中十分重要的一类，它是在贝叶斯理论的基础上发展而来的。现在贝叶斯学习技术已应用到信息的智能检索，数据挖掘等领域。SBL 算法首先将未知的待估计参数向量看作符合某种...

     本文提出了一种基于空间滤波的相关矢量机（RVM），用于分离相干源并估计其到达方向（DOA），并通过稀疏贝叶斯学习对滤波器参数和DOA估计进行初始化和完善。 RVM用于开发入射信号的空间稀疏性，并提高了对许多要求...

      本文旨在为阵列校准和DOA估计建立统一的框架和稀疏贝叶斯观点。 当考虑单一类型的阵列缺陷时，首先给出阵列输出的综合模型，并将互耦，增益/相位不确定性和传感器位置误差视为典型示例。 然后利用入射信号的空间...

     Sparse Bayesian Learning and the Relevance Vector ...2001年的一篇早期资料，论述了贝叶斯框架下的回归与分类问题，并且结合了相关向量机方法进行学习。对于我们今天学习了解贝叶斯理论，SVM，依然有指导作用。

     在反向合成Kong径雷达（ISAR）成像中，图像分辨率始终... 此外，考虑到HRRP的时间相关性，提出了一种基于时间相关的多重稀疏贝叶斯学习的ISAR成像方法，以提高成像质量。 仿真数据和真实数据结果证明了该方法的有效性。

10  
9  
8  
7  
6  
5  
4  
3  
2  
1  

推荐文章