导读:本文包含了最小范数论文开题报告文献综述及选题提纲参考文献，主要关键词:图像融合,压缩感知,信息论,图像差
最小范数论文文献综述
苏金凤,张贵仓,汪凯[1]（2019）在《图像差与加权核范数最小化的压缩图像融合》一文中研究指出现有的图像融合算法存在非线性操作产生的噪声干扰和空间复杂度高等问题,使得融合图像易失真和丢失信息。一些学者提出的压缩感知图像融合算法能有效改善这一问题,但大多忽略了图像矩阵的低秩性,往往会降低融合质量。由此,将压缩感知融合技术与低秩矩阵逼近方法相结合,提出基于信息论图像差与自适应加权核范数最小化的图像融合算法。该算法由3个阶段组成。首先,将2幅源图像通过小波稀疏基稀疏化,并利用结构随机矩阵压缩采样,得到测量输出矩阵。然后,将测量输出矩阵进行分块,再利用图像差融合算法得到融合后的测量输出矩阵块。最后,利用自适应加权核范数最小化优化得到的块权重,通过正交匹配追踪法重建融合图像。实验结果表明了该算法的有效性和普适性,并且在多种评价指标上优于其他融合算法。(本文来源于《计算机工程与科学》期刊2019年10期）
陈思佳,赵知劲,张笑菲[2]（2019）在《利用迁移学习的量化核最小平均P范数算法》一文中研究指出在α稳定分布噪声背景下,核最小平均P范数算法(KLMP)的性能显着优于核最小均方算法(KLMS),但KLMP算法的计算量和存储容量都随迭代次数线性增加,不便实际应用。针对此问题,该文应用迁移学习理论,将基于样本实例获得的总滤波器划分为具有局部紧支撑结构的子滤波器之和,每个子滤波器的训练分别受不同的输入驱动,提出了最近实例质心估计核最小平均P范数算法(NICE-KLMP);为进一步减小存储容量,将在线矢量量化应用到该算法中,提出最近实例质心估计量化核最小平均P范数算法(NICE-QKLMP)。α稳定分布噪声背景下的Mackey-Glass时间序列预测的仿真结果表明,NICE-KLMP和NICE-QKLMP算法的复杂度显着低于KLMP算法,抗脉冲噪声性能显着强于NICE-KLMS算法,与KLMP算法相当。(本文来源于《信号处理》期刊2019年08期）
彭佳明,李志明[3]（2019）在《基于快速加权Schatten P范数最小化的地震数据随机噪声压制》一文中研究指出为了有效压制地震数据随机噪声,同时为了提高计算效率,提出了快速加权Schatten P范数最小化(FWSNM)算法。在地震数据非局部自相似块结构的基础上,建立低秩压制噪声模型,该模型利用加权Schatten P范数逼近秩。在模型求解中涉及奇异值分解,利用随机奇异值分解代替奇异值分解,降低算法计算复杂度,以得到快速加权Schatten P范数最小化(FWSNM)算法。实验结果表明,在保持信噪比一致的条件下,FWSNM算法相对于WSNM算法耗时更短。因此FWSNM算法计算效率更高,压制噪声性能更优。(本文来源于《工程地球物理学报》期刊2019年04期）
何颖,刘皞,贺斌心[4]（2019）在《陀螺系统最小范数极点配置问题的动柔度方法》一文中研究指出1引言利用有限元技术,对无阻尼陀螺系统(如发电机的转子,卫星太阳能电池板等)进行离散化,可以得到以下二阶常系数微分方程[1]M■(t)+G■(t)+Kx(t)=f(t),(1)其中M,G,K∈R~(n×n)分别是质量矩阵,陀螺矩阵和刚度矩阵,且M是对称正定矩阵,G是反对称矩阵,K尺是非奇异对称矩阵,x(t)∈R~n把是位移向量,f(t)是外力.(1)对应的开(本文来源于《高等学校计算数学学报》期刊2019年02期）
苏雅茹,刘耿耿,刘文犀,朱丹红[5]（2019）在《基于l_P范数的非凸低秩张量最小化》一文中研究指出在低秩矩阵、张量最小化问题中,凸函数容易求得最优解,而非凸函数可以得到更低秩的局部解.文中基于非凸替换函数的低秩张量恢复问题,提出基于l_p范数的非凸张量模型.采用迭代加权核范数算法求解模型,实现低秩张量最小化.在合成数据和真实图像上的大量实验验证文中方法的恢复性能.(本文来源于《模式识别与人工智能》期刊2019年06期）
赵俊[6]（2019）在《相关观测的L_1范数最小化方法的比较分析》一文中研究指出在抵御粗差影响方面,L_1范数最小化方法比最小二乘更具可靠性。求解L_1范数最小化问题,主要有选权迭代法和线性规划法两种方法。针对相关观测,通常采用权阵的对角线元素来构造L_1范数最小化问题的目标函数,这种处理方法容易忽略观测值之间的相关性。如果采用Cholesky分解消去观测值之间的相关性,则容易造成粗差的转移,进而影响抗差功效。本文对上述两种方法进行了比较分析,数值实验结果表明将相关观测转换为独立等权观测,有利于增强线性规划的稳健性,而在探测粗差方面则具有等价性。由于基于选权迭代的方法收敛性较差,故不适合求解L_1范数最小化问题。(本文来源于《测绘地理信息》期刊2019年03期）
王彩云,赵焕玥,王佳宁,李晓飞,黄盼盼[7]（2019）在《快速加权核范数最小化的SAR图像去噪算法》一文中研究指出提出快速加权核范数最小化(fast weighted nuclear norm minimization,FWNNM)的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。首先采用对数变换将SAR图像的乘性噪声变换为加性噪声,然后利用非局部相似性对变换后的图像进行块匹配,随后根据低秩模型框架,用随机奇异值分解替换加权核范数最小化(weighted nuclear norm minimization,WNNM)算法中的奇异值分解进行低秩矩阵逼近,再采用梯度直方图保存的方法对图像进行纹理增强,最终实现了对SAR图像快速去噪。在MSTAR数据库上的实验结果表明,与已有方法相比,所提方法在SAR图像去噪和边缘保持方面是有效的,并且比WNNM去噪速度快3倍。(本文来源于《系统工程与电子技术》期刊2019年07期）
蒋明峰,陆亮,吴龙,徐文龙,汪亚明[8]（2019）在《基于加权Schatten p范数最小化的磁共振图像重构方法研究》一文中研究指出本文提出了一种基于加权Schatten p范数最小化(Weighted Schatten p-Norm Minimization,WSNM)的磁共振图像重构算法,该方法利用磁共振图像的非局部自相似性,并结合Schatten p范数和不同秩元素重要性的加权因子,实现磁共振图像重构过程的低秩约束.此外,采用交替方向乘子算法(Alternating Direction Method of Multipliers,ADMM)来求解基于WSNM磁共振图像重构的非凸最小化问题.实验结果表明,相比于最近的磁共振重构算法,基于WSNM的磁共振图像重构方法具有更好的重建效果,可获得更高的峰值信噪比(Peak Signal to Noise Ratio,PSNR)和更好的结构相似性(Structural Similarity,SSIM).(本文来源于《电子学报》期刊2019年04期）
吕俊瑞,罗学刚,岐世峰,彭真明[9]（2019）在《保持局部结构的加权核范数最小化图像去噪》一文中研究指出为解决加权核范数最小化(WNNM)图像去噪无法较好地表达复杂和不规则的图像结构,易产生过平滑现象的问题,将相对全变差(RTV)融入加权核范数最小化,对WNNM低秩表示模型施加RTV范数约束,提出一种RTV-WNNM图像去噪模型,采取交替方向乘子(ADMM)算法迭代求解对应模型,获得清晰图像。将提出的新方法与多种基于低秩矩阵近似的去噪算法进行比较,所提算法在保持图像边缘和加强区域平滑性方面有较好的性能,特别是在高密度图像噪声影响下,算法性能也能得到大幅提升。实验结果表明,加入RTV范数的低秩去噪模型具有良好的恢复图像结构能力,能较好地提高去噪性能。(本文来源于《激光与光电子学进展》期刊2019年16期）
洪磊,王保升,陈钢[10]（2019）在《叁分支机器人最小范数逆解算法》一文中研究指出基于线性方程组及条件极值理论,针对叁分支机器人逆运动学问题,提出了一种改进的最小范数逆解算法,避免了传统最小范数逆解中雅可比矩阵广义逆的复杂计算.针对操作分支关节数不小于任务空间维数的情况,进一步利用施密特正交化过程进行简化,提高了运算的实时性.搬运物体的仿真实例结果验证了所提算法的有效性.(本文来源于《北京邮电大学学报》期刊2019年01期）
最小范数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在α稳定分布噪声背景下,核最小平均P范数算法(KLMP)的性能显着优于核最小均方算法(KLMS),但KLMP算法的计算量和存储容量都随迭代次数线性增加,不便实际应用。针对此问题,该文应用迁移学习理论,将基于样本实例获得的总滤波器划分为具有局部紧支撑结构的子滤波器之和,每个子滤波器的训练分别受不同的输入驱动,提出了最近实例质心估计核最小平均P范数算法(NICE-KLMP);为进一步减小存储容量,将在线矢量量化应用到该算法中,提出最近实例质心估计量化核最小平均P范数算法(NICE-QKLMP)。α稳定分布噪声背景下的Mackey-Glass时间序列预测的仿真结果表明,NICE-KLMP和NICE-QKLMP算法的复杂度显着低于KLMP算法,抗脉冲噪声性能显着强于NICE-KLMS算法,与KLMP算法相当。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
最小范数论文参考文献
[1].苏金凤,张贵仓,汪凯.图像差与加权核范数最小化的压缩图像融合[J].计算机工程与科学.2019
[2].陈思佳,赵知劲,张笑菲.利用迁移学习的量化核最小平均P范数算法[J].信号处理.2019
[3].彭佳明,李志明.基于快速加权SchattenP范数最小化的地震数据随机噪声压制[J].工程地球物理学报.2019
[4].何颖,刘皞,贺斌心.陀螺系统最小范数极点配置问题的动柔度方法[J].高等学校计算数学学报.2019
[5].苏雅茹,刘耿耿,刘文犀,朱丹红.基于l_P范数的非凸低秩张量最小化[J].模式识别与人工智能.2019
[6].赵俊.相关观测的L_1范数最小化方法的比较分析[J].测绘地理信息.2019
[7].王彩云,赵焕玥,王佳宁,李晓飞,黄盼盼.快速加权核范数最小化的SAR图像去噪算法[J].系统工程与电子技术.2019
[8].蒋明峰,陆亮,吴龙,徐文龙,汪亚明.基于加权Schattenp范数最小化的磁共振图像重构方法研究[J].电子学报.2019
[9].吕俊瑞,罗学刚,岐世峰,彭真明.保持局部结构的加权核范数最小化图像去噪[J].激光与光电子学进展.2019
[10].洪磊,王保升,陈钢.叁分支机器人最小范数逆解算法[J].北京邮电大学学报.2019