发表服务
分类号：密级：编号：河北工业大学硕士学位论文基于低秩矩阵填充与恢复的图像去噪方法研究全日制专业学位类别：工程硕士副教授资助基金项目：NO.61203245ThesisSubmittedHebeiUniversityMasterDegreecommunicationengineering...
天津大学硕士学位论文基于低秩矩阵恢复的算法及应用研究基于低秩矩阵恢复的算法及应用研究...
基于稀疏和低秩矩阵恢复的目标检测算法研究1．3本文的主要工作论文所完成的研究工作包括：（1）研究了几种传统的运动目标检测方法，如：帧间差分法、光流法和背景减除法，并分析了这些方法的优缺点。.（2）详细研究了矩阵重建理论，分析了矩阵填充...
学校代号10532普通湖南大学硕士学位论文基于稀疏和低秩矩阵恢复的目标检测算法研究学位申请人姓名信息与通信工程论文提交日期2013年4月17日论文答辩日期2013年5月11教授OBJECTDETECTIONRECOVERINGSPARSELOWRANK...
为了克服上述的困难，本文围绕快速低秩矩阵与低秩张量恢复及补全问题中模型的建立、算法的设计及算法的分析等方面进行了系统的研究。从二阶矩阵到高阶张量，所取得的主要研究成果有：1.为了避免每次迭代过程中较大矩阵的SVD求解，提出了一种基于矩阵三分解的快速核范数最小化框架。
低秩矩阵恢复算法是利用矩阵的低秩子空间分解原理,能够将轮胎X射线图像矩阵分解为低秩背景矩阵和包含缺陷的稀疏矩阵。纹理分割有利于提高低秩分解算法的质量和计算效率,分割后的图像块具有较强的低秩特性。
低秩矩阵恢复是近几年兴起的一种降维算法。这种算法将样本分为低秩部分和稀疏部分，低秩部分是原始数据的近似还原，可以有效地去除样本中的噪声和异常值的干扰，而稀疏部分则包含了噪声和野点。低秩矩阵恢复理论包括鲁棒主成分分析、矩阵补全和低秩表示三部分，其中，鲁棒主成分分析...
高光谱图像分类是高光谱图像处理与分析的主要研究内容，目前在资源探测、军事指挥、环境检测、测绘制图以及生态研究等众多领域都具有广泛的应用。高光谱图像去噪与降维算法是高光谱图像分类的关键环节，其好坏对高光谱图像分类具有重要的影响。
矩阵补全（matrixcompletion），顾名思义就是将一个含有缺失值的矩阵通过一定的方法将其恢复为一个完全的矩阵。.目前该领域比较完全的理论是由Candes等人在2008年的论文《ExactMatrixCompletionviaConvexOptimization》，通过解一个凸优化问题实现将一个低秩矩阵恢复...
低秩矩阵恢复先将数据矩阵表示为低秩矩阵与稀疏噪声矩阵之和，再通过求解核范数优化和矩阵L1范数优化问题来恢复低秩矩阵并检测出稀疏噪声。目前，低秩矩阵恢复主要由鲁棒主成分分析(robustPCA，RPCA)[7,10,11]、矩阵补全(matrixcompletion，MC)[6]和低秩表示(low-rankrepresentation，LRR)[12,13,14]等三类模型...
分类号：密级：编号：河北工业大学硕士学位论文基于低秩矩阵填充与恢复的图像去噪方法研究全日制专业学位类别：工程硕士副教授资助基金项目：NO.61203245ThesisSubmittedHebeiUniversityMasterDegreecommunicationengineering...
天津大学硕士学位论文基于低秩矩阵恢复的算法及应用研究基于低秩矩阵恢复的算法及应用研究...
基于稀疏和低秩矩阵恢复的目标检测算法研究1．3本文的主要工作论文所完成的研究工作包括：（1）研究了几种传统的运动目标检测方法，如：帧间差分法、光流法和背景减除法，并分析了这些方法的优缺点。.（2）详细研究了矩阵重建理论，分析了矩阵填充...
学校代号10532普通湖南大学硕士学位论文基于稀疏和低秩矩阵恢复的目标检测算法研究学位申请人姓名信息与通信工程论文提交日期2013年4月17日论文答辩日期2013年5月11教授OBJECTDETECTIONRECOVERINGSPARSELOWRANK...
为了克服上述的困难，本文围绕快速低秩矩阵与低秩张量恢复及补全问题中模型的建立、算法的设计及算法的分析等方面进行了系统的研究。从二阶矩阵到高阶张量，所取得的主要研究成果有：1.为了避免每次迭代过程中较大矩阵的SVD求解，提出了一种基于矩阵三分解的快速核范数最小化框架。
低秩矩阵恢复算法是利用矩阵的低秩子空间分解原理,能够将轮胎X射线图像矩阵分解为低秩背景矩阵和包含缺陷的稀疏矩阵。纹理分割有利于提高低秩分解算法的质量和计算效率,分割后的图像块具有较强的低秩特性。
低秩矩阵恢复是近几年兴起的一种降维算法。这种算法将样本分为低秩部分和稀疏部分，低秩部分是原始数据的近似还原，可以有效地去除样本中的噪声和异常值的干扰，而稀疏部分则包含了噪声和野点。低秩矩阵恢复理论包括鲁棒主成分分析、矩阵补全和低秩表示三部分，其中，鲁棒主成分分析...
高光谱图像分类是高光谱图像处理与分析的主要研究内容，目前在资源探测、军事指挥、环境检测、测绘制图以及生态研究等众多领域都具有广泛的应用。高光谱图像去噪与降维算法是高光谱图像分类的关键环节，其好坏对高光谱图像分类具有重要的影响。
矩阵补全（matrixcompletion），顾名思义就是将一个含有缺失值的矩阵通过一定的方法将其恢复为一个完全的矩阵。.目前该领域比较完全的理论是由Candes等人在2008年的论文《ExactMatrixCompletionviaConvexOptimization》，通过解一个凸优化问题实现将一个低秩矩阵恢复...
低秩矩阵恢复先将数据矩阵表示为低秩矩阵与稀疏噪声矩阵之和，再通过求解核范数优化和矩阵L1范数优化问题来恢复低秩矩阵并检测出稀疏噪声。目前，低秩矩阵恢复主要由鲁棒主成分分析(robustPCA，RPCA)[7,10,11]、矩阵补全(matrixcompletion，MC)[6]和低秩表示(low-rankrepresentation，LRR)[12,13,14]等三类模型...
发表服务