导读:本文包含了稀疏编码论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:稀疏,图像,特征,藏语,算法,字典,浊音。
稀疏编码论文文献综述
杨丰嘉[1]（2019）在《基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进》一文中研究指出人体行为识别作为计算机视觉研究热点,在智能监控、人机交互、运动分析等领域具有广泛的应用前景。文章运用时空特征协方差矩阵表征视频中人体行为,分别研究并改进了基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法。(本文来源于《科技创新与应用》期刊2019年35期）
韩丽,刘书宁,徐圣斯,朴京钰[2]（2019）在《自适应稀疏编码融合的非刚性叁维模型分类算法》一文中研究指出针对传统的叁维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性叁维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期）
李伟,王宁,柴远波[3]（2019）在《基于稀疏编码特征的多传感器辐射源识别》一文中研究指出针对单传感器在低信噪比下对辐射源信号的识别性能较差的问题,提出了一种基于稀疏自编码器的多传感器辐射源融合识别的方法。该方法首先采用稀疏自编码器进行特征提取,得到信号样本的特征模板;然后利用特征匹配方法,得到匹配差值;最后将匹配差值转化为D-S证据理论的基本概率赋值函数,通过改进的D-S证据对多个传感器进行融合得到最终结果。仿真实验结果表明,融合算法能够有效地提取信号特征,可进一步提高单传感器的识别性能,在小样本、低信噪比条件下,具有更强的识别优势。(本文来源于《探测与控制学报》期刊2019年05期）
张永胜,田华伟,肖延辉,郝昕泽,张明旺[4]（2019）在《基于叁方加权稀疏编码模型的PRNU提取算法》一文中研究指出估计图像中真实噪声是基于光照响应不一致(photo-response non-uniformity,PRNU)对图像来源取证的关键步骤.相较于加性高斯白噪声(additive white Gaussian noise,AWGN)的估计,现有多数PRNU提取算法所采用的噪声估计算法在图像真实噪声提取方面性能劣势明显.该文提出了一种基于叁方加权稀疏编码模型(trilateral weighted sparse coding model,TWSCM)的PRNU提取算法. TWSCM在估计噪声时能够保留更多PRNU噪声成分,有助于对图像中PRNU噪声的提取,因此在真实噪声估计上具有较好的性能.在当前最大的图像相机源取证基准库上的测试,实验结果证明所提出的基于TWSC的PRNU提取算法在图像相机源取证任务中具有较好的性能.(本文来源于《应用科学学报》期刊2019年05期）
刁琦[5]（2019）在《一种改进的稀疏编码模型图像分类算法》一文中研究指出针对传统稀疏编码方法对图像分类,本文采用SIFT算法提取的图像特征,分类器主要通过构造多尺度小波核极限学习机进行图像分类。采用该方法对wine数据集与微软Corel1K图像库进行测试,实验表明,较单尺度小波核,多尺度小波核具有更好的分类效果。同时,多尺度小波核极限学习机的分类性能优于多尺度支持向量机、支持向量机与极限学习机的分类性能。(本文来源于《智能计算机与应用》期刊2019年05期）
王宁,代江,单克,赵倩,田年杰[6]（2019）在《基于字典学习算法的调度运行信息稀疏编码方法》一文中研究指出在电力系统中,随着电网规模的不断扩大,运行信息的数据规模与复杂程度不断增大,对其编码效率提出了更高的要求。字典学习算法是当前应用较为广泛的人工智能算法,其优势在于能够给出一个标准的基础信息库,使得依据该库所得到运行信息表示形式相对稀疏。首先介绍了字典学习算例原理与实施方法;结合电力系统调度运行控制实际,提出了基于字典学习的调度运行信息稀疏编码方法。最后基于某电网实际,利用近二年的运行记录信息构建了调度运行字典。算例表明利于该字典所编码表示的调度运行记录稀疏度处于0.35～0.80之间,符合大数据处理的稀疏性要求。(本文来源于《机械与电子》期刊2019年07期）
武正平[7]（2019）在《基于稀疏编码的语音增强算法研究》一文中研究指出语音是人与人或人与机器之间最方便、最快捷的一种交流方式,随着信息技术的高速发展,利用数字化的方法对语音信号进行处理,是构成整体数字化通信系统中最基础、最重要的组成成分之一。人们在获取语音信号时,不可避免地会受到各种来自周围环境或设备内部等的噪声干扰,这些干扰会使得接收端接收到的语音性能下降。语音增强的目的是从含有噪声的语音信号中尽可能提取原始的干净语音信号,从而提高语音信号的质量和可懂度。语音增强在降低噪声干扰、改善语音质量与提高语音可懂度等方面有着举足轻重的地位,是数字语音信号处理在实际应用中急需解决的问题之一。本文是在单通道语音条件下进行的语音增强算法研究。从两个方面对语音增强算法进行了研究与总结,一方面是传统经典的语音增强算法,另一方面为新兴的语音增强算法。在已有的语音增强算法基础上,针对稀疏表示算法中重构出干净语音的关键技术问题,结合语音信号的基本特征,提出了两种改进的基于稀疏理论的语音增强算法,并对这两种改进算法进行了仿真实验。论文的主要研究工作如下:首先,系统地介绍了语音的相关知识,研究了语音增强算法,将其进行分类研究,并详细地介绍了一些经典语音增强算法的理论。其次,详细介绍了语音信号的稀疏表示模型,系统地研究了稀疏重构和字典学习算法,重点研究了传统的贪婪稀疏重构算法,如正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法。针对OMP算法对语音信号的重构能力问题,提出一种改进的OMP算法。首先,在OMP算法中增加一个阈值,利用稀疏阈值去自适应的选择重构的语音帧,即从含噪语音中选择适当的干净语音帧,从而得到最佳的语音信号重构性能,即称为OMP算法的语音增强性能改进。同时针对OMP算法的运算速度较慢的问题,通过运算过程的矩阵变换,减少相应的计算步数跟维度,从而达到提高运算速度的目的,即称为OMP算法运算速度的改进。基于上述改进的OMP算法,提出了一种基于K-SVD与改进OMP算法的语音增强方法,实验证明所提出的算法在提高语音增强性能的同时提高算法运算速度。最后,利用语音信号的特性,在已有的语音清浊音分类的基础上,将过零率与平均能量两种参数相结进行本文的清浊音分类,再将本文清浊音分类方法与稀疏表示相结合,提出一种基于清浊音分类的稀疏自适应语音增强算法。首先将需要训练的语音经过清浊音分类,然后利用K-SVD字典训练算法得到相应的清浊音子字典,再将清浊音子字典组合成一个字典,利用上述改进的OMP算法进行稀疏分解重构达到去噪的目的。将其与上述基于改进的OMP算法的语音增强算法相比较,也取得了较好实验的结果。(本文来源于《太原理工大学》期刊2019-06-01）
李华新,王衍学[8]（2019）在《基于分层稀疏编码的轴承剩余寿命预测方法》一文中研究指出剩余寿命预测技术是装备智能维护与智能制造的关键技术。滚动轴承作为旋转机械装备关键零/部件之一,对其进行剩余寿命预测具有重要工程与实际意义,因此提出一种基于分层稀疏编码的滚动轴承剩余寿命预测方法。该方法作为深度学习模型的一种,克服了传统机器学习模型需要大量训练、标签学习以及鲁棒性差的缺点,有效提高了轴承剩余寿命预测精度。实验结果表明该方法具有更高的预测精度和更好的鲁棒性。(本文来源于《现代制造工程》期刊2019年05期）
赵昀[9]（2019）在《基于稀疏编码的藏语语音识别研究》一文中研究指出相对于汉语和英语等大语种语音识别,藏语语音识别研究始于2005年,起步较晚,且不同语种间存在差异,采用新技术以提升藏语语音识别系统性能,将成为藏语语音识别研究领域亟待解决的问题。针对藏语单音节识别系统,本研究主要进行了以下工作:1.特征提取。以梅尔频率倒谱系数作为输入的卷积神经网络可同时获取时序信息和空间位置信息。实验中提取了两类特征,即静态与动态的梅尔频率倒谱系数。2.稀疏编码。为了尽可能地消除特征间的相关性,减少与分类无关的信息,使用稀疏编码获取两种梅尔频率倒谱系数的稀疏表示。稀疏编码采用K-SVD算法。3.分类器设计。以多维矩阵作为输入的卷积神经网络可保持输入数据维数不变。为了捕捉空间位置特征,选择卷积神经网络作为分类器。4.基于稀疏编码的藏语语音识别系统。该系统将稀疏表示后的梅尔频率倒谱系数输入卷积神经网络用以识别藏语单音节语音。本研究将稀疏编码与卷积神经网络两种技术相结合,以改善语音识别系统性能。通过实验得出以下结论:1.相对于深度神经网络,卷积神经网络更适合处理高维数据;2.动态梅尔频率倒谱系数和稀疏编码可提升藏语语音识别系统性能;3.本系统可用于藏语语音识别任务。本研究主要贡献是将稀疏编码与卷积神经网络相结合构成基于稀疏编码的藏语语音识别系统以进行藏语语音识别。(本文来源于《青海师范大学》期刊2019-05-01）
周振[10]（2019）在《基于稀疏编码空间金字塔匹配的低照度列车故障图像增强与识别方法研究》一文中研究指出列车运行故障动态图像检测系统(TFDS)是一套我国自主研发的基于机器视觉的故障检测系统。由于TFDS故障类型繁多,以及全天候的采集环境,导致采集到的图像容易出现背景复杂、亮度较低和噪声突出等问题。针对以上问题,提出基于稀疏编码空间金字塔匹配和遗传算法优化的支持向量机(GA-SVM)的低照度列车故障图像增强与识别方法,通过对低照度TFDS图像进行增强并提取多尺度编码特征,从而实现低照度环境下列车典型故障的自动识别。从人眼视觉系统(HVS)模型入手,提出基于精确光照图像估计的图像增强算法。首先利用HVS模型对图像建立分解关系,通过寻找图像R、G、B叁个颜色通道中的最大值来构建映射关系,然后通过光照结构的映射关系并结合一阶导数滤波和增广拉格朗日乘子法来精确估计光照图像,再根据Retinex理论得到增强图像。此外,利用BM3D算法对反射图像中放大的噪声进行降噪处理,最后通过将降噪图像和增强图像进行融合获得最后的结果。实验结果表明,本文算法计算速度较快,在相同速度级对比中,该算法在峰值信噪比(PSNR)、结构相似性(SSIM)、亮度顺序误差(LOE)和梯度相似度偏差(GMSD)四种图像评价指标中的表现效果优于传统算法,增强后的图像在主观视觉的色彩饱和度和对比度更加突出,边缘轮廓细节清晰,符合图像增强的实际需求。鉴于TFDS图像故障类型的多样性,提出一种基于稀疏编码空间金字塔匹配和GA-SVM相结合的通用故障自动识别算法。首先在不同尺度空间对样本图像进行划分,对每个部分提取尺度不变特征变换(SIFT)特征,利用随机抽取样本的SIFT特征通过迭代学习生成字典并进行稀疏编码;其次利用主成分分析法对编码特征进行降维;然后利用降维后的特征结合遗传算法对线性SVM分类器进行训练;最后用训练好的分类器模型对车轮挡键、集尘器和安全链的故障进行识别。实验结果表明,本文提出的算法在常见的叁类典型的故障识别中,识别率分别为97.25%、99.00%和97.50%,能满足列车故障的实际检测需求。依据TFDS的实际检测环境,结合基于精确光照图像估计的图像增强算法和基于稀疏编码空间金字塔匹配和GA-SVM的列车故障自动识别算法,实现了对低照度场景下的车轮挡键、集尘器和安全链锁紧螺栓的故障识别,该算法识别准确率高,鲁棒性好,能有效的应用于低照度的复杂环境TFDS故障检测中。(本文来源于《湖北工业大学》期刊2019-05-01）
稀疏编码论文开题报告
（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：
针对传统的叁维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性叁维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.
（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。
稀疏编码论文参考文献
[1].杨丰嘉.基于Log-Euclidean词袋模型与基于Stein核稀疏编码的人体行为识别算法的优化与改进[J].科技创新与应用.2019
[2].韩丽,刘书宁,徐圣斯,朴京钰.自适应稀疏编码融合的非刚性叁维模型分类算法[J].计算机辅助设计与图形学学报.2019
[3].李伟,王宁,柴远波.基于稀疏编码特征的多传感器辐射源识别[J].探测与控制学报.2019
[4].张永胜,田华伟,肖延辉,郝昕泽,张明旺.基于叁方加权稀疏编码模型的PRNU提取算法[J].应用科学学报.2019
[5].刁琦.一种改进的稀疏编码模型图像分类算法[J].智能计算机与应用.2019
[6].王宁,代江,单克,赵倩,田年杰.基于字典学习算法的调度运行信息稀疏编码方法[J].机械与电子.2019
[7].武正平.基于稀疏编码的语音增强算法研究[D].太原理工大学.2019
[8].李华新,王衍学.基于分层稀疏编码的轴承剩余寿命预测方法[J].现代制造工程.2019
[9].赵昀.基于稀疏编码的藏语语音识别研究[D].青海师范大学.2019
[10].周振.基于稀疏编码空间金字塔匹配的低照度列车故障图像增强与识别方法研究[D].湖北工业大学.2019
论文知识图
