非稀疏多核组合的支持向量回归方法

为了改善支持向量回归机的性能,提出一种利用多核学习解决回归问题的算法(NS-MKR)。算法对基本核函数的组合系数施加了Lp范数的约束(p>1),以得到组合系数的非稀疏解,并采用了两步优化方法,首先求解基于加权组合核的标准支持向量回归问题,用于学习拉格朗日乘子,然后采用简单的计算,求得基本核函数的组合系数,这2个步骤交替进行,直到满足事先定义的收敛准则。在人工数据集和真实数据集上的实验表明,相对于传统的单核和稀疏多核支持向量回归方法,提出的算法有更好的泛化性能。

基于Boosting框架的非稀疏多核学习方法

针对传统的分类器集成的每次迭代通常是将单个最优个体分类器集成到强分类器中,而其他可能有辅助作用的个体分类器被简单抛弃的问题,提出了一种基于Boosting框架的非稀疏多核学习方法 MKL-Boost。利用分类器集成学习的思想,每次迭代时,首先从训练集中选取一个训练子集,然后利用正则化非稀疏多核学习方法训练最优个体分类器,求得的个体分类器考虑了M个基本核的最优非稀疏线性凸组合,通过对核组合系数施加LP范数约束,一些好的核得以保留,从而保留了更多的有用特征信息,差的核将会被去掉,保证了有选择性的核融合,再将基于核组合的最优个体分类器集成到强分类器中。提出的算法既具有Boosting集成学习的优点,同时具有正则化非稀疏多核学习的优点,实验表明,相对于其他Boosting算法,MKL-Boost可以在较少的迭代次数内获得较高的分类精度。

非稀疏欠定盲分离及其在语音分离中的应用

本文提出一种基于马尔科夫链蒙特卡洛方法(MCMC)的贝叶斯非稀疏盲源分离算法。用广义高斯分布(GGD)来拟合源信号的分布,通过MCMC抽样得到GGD参数和隐变量的估计,并由此得到源信号的最小均方误差估计(MMSE),解决了GGD参数估计容易陷入局部极值点、鲁棒性差的问题。根据语音信号的局部平稳性,提出基于非稀疏度评判准则的盲分离算法,用MCMC方法分离非稀疏区的语音信号,进一步提高了语音信号分离精度。仿真实验证明,本文方法改善了非稀疏信号和语音信号的分离效果,而且具有更好的鲁棒性。

非稀疏液滴群内单液滴的多段自着火现象数值模拟分析

使用一维元胞模型对处于低温氧化反应温度区间(600~800 K)的非稀疏正庚烷液滴群中单个液滴的多段自着火现象进行数值模拟,区分了蒸发饱和模式、多段自着火模式.前者液滴蒸发速度逐渐减小趋于停滞,液滴群只可能外部着火;后者元胞内部出现两段着火和扩散熄火,对应液滴群内部着火现象.分别测试了液滴初始粒径和元胞内初始温度对两种模式转变的影响,初始粒径的增大促进了自着火;初始温度会影响反应活性从而决定所处模式.

非负组稀疏约束优化问题的最优性条件

基于Bouligand意义下的切锥与法锥和Clarke意义下的切锥与法锥,该文研究了非负组稀疏约束优化问题的最优性理论.该文定义了非负组稀疏约束集的Bouligand切锥与法锥和Clarke切锥与法锥,并给出了它们的等价刻画形式.在目标函数连续可微的条件下,借助于非负组稀疏约束集的切锥和法锥,给出了该优化问题的四类稳定点的定义,并讨论了它们之间的关系.最后,建立了非负组稀疏约束优化问题的一阶和二阶最优性条件.

基于非局部低秩稀疏矩阵分解的低剂量脑灌注CT统计迭代重建

脑灌注CT成像需要对患者头部进行连续反复扫描,相应的X射线辐射剂量较常规CT显著增加。为减少X射线辐射剂量,提出一种基于非局部低秩稀疏矩阵分解的低剂量脑灌注CT统计迭代重建方法。首先对脑灌注CT序列图像进行分块,然后构建非局部低秩稀疏矩阵分解模型,最后求解相应的目标函数重建出脑灌注CT序列图像。与滤波反投影算法和基于低秩稀疏矩阵分解的惩罚加权最小二乘方法相比,本文方法得到的脑血容参数图像的结构相似性指标分别提高38.07%和5.61%、特征相似性指标分别提高13.17%和2.47%;平均通过时间参数图像的结构相似性指标分别提高59.73%和0.28%、特征相似性指标分别提高20.26%和0.70%。本文方法能在去除低剂量脑灌注CT图像噪声和伪影的同时保持图像的边缘结构信息,并且获得更准确的脑血流动力学参数图像。

基于非局部先验红外运动模糊图像复原方法

为了实现红外运动模糊图像复原,采用了基于红外图像的非局部稀疏先验约束建模方法。通过分析红外运动模糊成像特征,在盲反卷积框架下,提出了一种基于运动信息的图像非局部稀疏先验约束建模方法,通过计算图像的运动模糊核,进而复原运动模糊图像。结果表明,所提出的基于运动信息的图像非局部稀疏先验约束方法,针对性强,能有效地复原运动幅值较大的红外运动模糊图像;概率模糊检测、结构相似度和峰值信噪比均有不同程度的提高,尤其是峰值信噪比提高接近8%,且运动幅值越大,复原结果越明显。本研究为红外成像系统的应用打下了基础。

加窗截取改善信号非稀疏表达的稀疏性

为了把压缩传感技术应用到变换域非稀疏信号中,提出了一种能够改善信号非稀疏表达稀疏性的新方法。该方法采用可移动窗口函数把信号在变换域中的非稀疏表达截取成多个窗截表达,只要控制每个窗口函数宽度远小于信号的长度,则每个窗截表达具有较好的稀疏性。通过稀疏的窗截表达实现对非稀疏表达的压缩传感。结合高斯和矩形窗口函数给出了详细的理论分析,无噪和加噪信号的实验结果证明了该方法的有效性。

基于非负稀疏表示的SAR图像目标识别方法

针对合成孔径雷达(SAR)图像目标识别中存在物体遮挡的情况,该文提出一种基于非负稀疏表示的分类方法。通过分析L0范数和L1范数最小化在求解非负稀疏表示问题上的区别,证明在一定条件下,L1范数最小化方法除了保持解的稀疏性还能得到与输入信号更加相似的原子集合,因此也更加适用于分类问题中。在运动和静止目标获取与识别(MSTAR)数据集上的识别实验结果表明,采用L1范数的非负稀疏表示分类方法能达到较好的识别性能,并且相对传统方法对存在遮挡情况下的识别问题更稳健。

基于非负稀疏图的高光谱数据降维

为减少因大量的光谱信息带来的计算复杂及数据冗余带来的高光谱数据分类性能降低,该文提出一种非负稀疏图降维算法。首先,构建超完备块字典对高维高光谱数据进行非负稀疏表示。然后,根据块非负稀疏表示,分别构建内部非负稀疏图和惩罚非负稀疏图,基于单调递减函数定义边的权重以体现样本间的相似程度。最后,通过同时最大化异类和最小化同类非负稀疏重构样本间的距离,得到从高维到低维的最优映射关系,从而实现对高维高光谱数据的降维。AVIRIS 92AV3C高光谱数据上的实验结果表明,所提算法能以较少的训练样本获得较高的整体分类精度和Kappa系数。

基于随机矩阵的高光谱影像非负稀疏表达分类

考虑到常规的高光谱影像稀疏表达分类模型的不足,提出随机矩阵-非负稀疏表达分类模型来提高高光谱影像的分类精度.通过引入随机矩阵来改善传统稀疏表达分类模型中测量矩阵以更好满足限制等距特性条件,同时限定系数向量的非负性以提高重构系数的可解释性.基于两个不同的高光谱数据集,对随机矩阵-非负稀疏表达分类模型采用三种方法进行系数重构,并对比常规稀疏表达分类模型的分类结果.实验证明,所提的模型能够明显提高常规稀疏表达分类模型的分类结果.同时,随机矩阵的投影维数对分类精度的影响研究实验表明,较大的投影维数能够保证该模型用以提高高光谱影像的分类精度.

轮廓波和非负稀疏编码收缩的毫米波图像恢复

针对毫米波图像存在的分辨率较低的问题,结合局部非负稀疏编码(non-negativesparse coding,NNSC)算法的自适应高阶统计特性以及轮廓波分解的方向性和能量变化特性,提出了一种新的基于轮廓波和NNSC收缩的毫米波图像恢复方法。NNSC算法是近年来发展起来的模拟人类视觉系统信息处理的有效方法。使用NNSC训练得到的特征基向量和最大似然估计(MLE),能够自适应地确定收缩去噪阈值,并把该收缩技术应用到轮廓波变换域,则能够大大减少毫米波图像中的大量未知噪声,提高毫米波图像的恢复质量。采用无噪自然图像验证基于轮廓波和NNSC收缩的图像恢复方法,实验结果证实了所提出的算法的有效性和实用性,表明该方法能够有效地用于低分辨率图像的恢复。

基于图像导数框架和非负稀疏编码的颜色恒常计算方法

本文通过模拟初级视皮层神经元感受野在视觉信息处理中的功能,提出了一种基于图像导数框架和非负稀疏编码思想的颜色恒常性计算模型,以实现对色偏图像的颜色矫正.从解决工程问题的角度,本文提出的基于生理机制的计算模型在处理效果上可与目前最好的颜色恒常性算法相媲美;从计算神经科学的角度,本文模型支持了大脑初级视皮层在视觉颜色恒常性中扮演重要角色的观点.

非均匀稀疏采样环境自适应α-β滤波算法

针对非均匀稀疏采样环境下的被动机动目标跟踪问题,提出了一种新的自适应α-β滤波算法。算法首先在最小均方误差准则下,推导了α-β滤波器的最优参数选择方法;然后详细分析了非均匀稀疏采样被动传感器上报数据的特点,提出利用上报时间间隔和目标速度来设计跟踪指数,且根据被动传感器系统的实际观测情况,推导了观测误差标准差的表达式;最后,在保证算法稳定性的前提下,给出了自适应滤波器参数设计方法。实验结果表明,提出算法能够准确对机动目标进行跟踪,性能要好于工程中常用的α-β滤波器,且算法设计简单,能够工程实现。

基于非局部稀疏编码的超分辨率图像复原

基于压缩感知的超分辨率图像复原方法通常采用局部稀疏编码策略,对每一图像块独立编码,易产生人工的分块效应。针对上述问题,该文提出一种基于非局部稀疏编码的超分辨率图像复原方法。该算法在字典训练和图像编码过程中分别运用图像的非局部自相似先验知识,即利用低分辨率图像的插值图像训练字典,并通过计算相似块局部编码的加权平均,得到每一图像块的非局部稀疏编码。仿真实验表明,所提算法能够获得更优的复原效果,并且对于含噪图像具有较强的鲁棒性。

非负谱稀疏表示的高光谱成像中的异常检测

针对高光谱异常检测提出了一种新型的非负稀疏表示(NSR)模型。其核心思想是背景像素可以近似地表示为其周围邻域的稀疏线性组合,而异常像素不能。算法中稀疏向量的非负性和一对一约束具有物理意义以及更好的辨别能力。为了排除在背景字典中呈现的潜在异常像素,修剪与中心像素类似的原子,然后通过非负正交匹配追踪(NOMP)算法求解NSR模型,并将重建误差直接用于确定异常像素。最后,通过实际的高光谱数据集的实验结果与现有的算法进行比较,证明了所提出的算法的有效性。

基于稀疏非负最小二乘编码的高光谱遥感数据分类方法

为了提高高光谱遥感影像的分类精度,提出了一种基于稀疏非负最小二乘编码的高光谱数据分类方法。采用非负最小二乘方法,将待测样本表示为训练样本的线性组合,并将得到的系数作为待测样本的特征向量,通过最小误差方法对待测样本进行分类。提出的方法在AVIRIS Indian Pines和萨利纳斯山谷高光谱遥感数据集上进行分类实验,并和主成分分析(PCA)、支持向量机(SVM)和基于稀疏表示分类器(SRC)方法进行比较,在2个数据集上本文方法的总体识别精度分别达到85.31%和99.56%,Kappa系数分别为0.816 3和0.986 7。实验结果表明本文方法的总体识别精度和Kappa系数都优于另外3种方法,是一种较好的高光谱遥感数据分类方法。

非负稀疏编码收缩法的自然图像消噪

非负稀疏编码(NNSC)算法仅依赖自然图像数据的统计特性,具有自适应性.利用NNSC算法可以成功地提取自然图像的特征基向量;作为对特征基的一个实际应用,提出了一种新颖的用非负稀疏编码收缩技术消除自然图像中的高斯加性噪声的方法.实验表明,提取的特征基向量在时域和频域上都有方向性和局部性,表现了输入自然图像的边缘特性;而且与独立分量分析(ICA)法相比,NNSC法提取的特征基有更清晰的边缘特征.目视效果和归一化信噪比证明了NNSC收缩法的消噪效果要优于稀疏编码(或ICA)收缩法、小波收缩法和Wiener滤波等方法.

基于稀疏非负矩阵分解和支持向量机的海洋溢油近红外光谱鉴别分析

提出一种海洋溢油近红外光谱特征提取与种类鉴别新方法。海面溢油种类鉴别对现场应急处置方案的制定和可疑溢油源的追踪具有重要意义。采用傅里叶变换近红外光谱仪测定汽油、柴油、煤油三类模拟海洋溢油样本的近红外光谱,基于稀疏非负矩阵分解算法对光谱进行特征提取,采用五重交叉检验,对210个样本进行训练,建立基于支持向量机的溢油光谱定性分析模型,同时讨论非负特征基数目以及稀疏因子对分类正确率的影响;利用训练好的分类器对90个未知样本进行鉴别,识别正确率达97.78%。所提出的稀疏非负矩阵分解结合支持向量机的近红外光谱定性分析方法,识别正确率高,模型泛化能力强,具有很好的分类效果,为海洋溢油的快速鉴别提供了新途径。

基于格理论的非均匀稀疏线阵旁瓣结构的分析方法

在有限个阵元的情况下,非均匀稀疏线阵能得到更大的阵列孔径.但由于其是对空间信号的非均匀采样,不能通过常规的傅立叶变换方法求得其峰值旁瓣解析表达式.本文提出了一种基于格理论的非均匀稀疏线阵的旁瓣结构分析方法.首先建立了阵列流形格的数学模型并对其物理含义进行了仿真分析,然后推导了阵列流形格最近格点与峰值旁瓣的对应关系,从而将非均匀稀疏线阵峰值旁瓣结构分析问题转化为求距阵列流形格原点最近格点问题.该方法可以准确地确定非均匀稀疏线阵旁瓣中增益大于门限电平的旁瓣个数及其各自的方位.计算机仿真结果表明了该方法的有效性和准确性.