您当前所在位置: 首页 > 首发论文
筛选条件

时间

领域

全部

计算机科学技术(2)

基础医学(1)

数学(1) 显示更多>>

电子、通信与自动控制技术(1) 中医学与中药学(0) 临床医学(0) 交通运输工程(0) 体育科学(0) 信息科学与系统科学(0) 农学(0) 冶金工程技术(0) 力学(0) 动力与电气工程(0) 化学(0) 化学工程(0) 图书馆、情报与文献学(0) 土木建筑工程(0) 地球科学(0) 天文学(0) 安全科学技术(0) 工程与技术科学基础学科(0) 心理学(0) 教育学(0) 机械工程(0) 材料科学(0) 林学(0) 核科学技术(0) 水产学(0) 水利工程(0) 测绘科学技术(0) 物理学(0) 环境科学技术(0) 生物学(0) 畜牧科学、动物医学(0) 矿山工程技术(0) 管理学(0) 纺织科学技术(0) 经济学(0) 能源科学技术(0) 航空航天科学技术(0) 药学(0) 预防医学与卫生学(0) 食品科学技术(0)

学术评议

实时热搜榜

人工智能27283

SiC16970

基因14607

冠心病10181

数值模拟9902

我的筛选 >
2003-2021 全部
为您找到包含“线性投影”的内容共5

曾宪华,罗四维

2008-04-25

局部保持的流形学习通过从局部到整体的思想保持观测空间和内在嵌入空间的局部几何共性,发现嵌入在高维欧氏空间中的内在低维流形。本文分析了局部保持的流形学习算法的基本实现框架,详细比较了一些局部保持的流形学习算法的特点,提出了几个有益的研究主题。

国家自然科学基金,四川省教育厅重点项目(60773016,60373029,07ZA121

北京交通大学,北京交通大学

#计算机科学技术#

0评论(0 分享(0)

孙树文,罗守华

2009-06-01

基本思想是修正投影数据,首先提取出金属相关部分的投影数据,然后用具有一致性的线性投影值代替。体模仿真的结果表明图像中的金属伪影得到很好消除,金属周围的图像质量得到很大提高,并且校正效果比传统的插值算法要好得多。

东南大学生物科学与医学工程学院,东南大学生物科学与医学工程学院

#基础医学#

0评论(0 分享(0)

邓乔木,尹长川

2016-01-04

,降低节点能耗。对于簇内成员节点,通过构建动态预测模型抑制节点的数据传输,降低通信开销。压缩感知(CS)理论表明,稀疏信号可以从少量线性投影中以高概率被精确恢复。因此在簇头节点上,STICDA提出了适用于

高等学校博士学科点专项科研基金资助项目(20120005110007

北京邮电大学信息与通信工程学院,北京 100876,北京邮电大学信息与通信工程学院,北京 100876

#电子、通信与自动控制技术#

0评论(0 分享(0)

刘茜,李文倩,荆晓远

2013-03-12

对于一个数据集,数据间的稀疏重构关系具有很好的分类信息。稀疏保留投影(SPP)正是基于这样的考虑所提出的一种特征提取方法,它的目标是获取一个线性投影空间,使得样本之间的全局稀疏重构关系得以保留。然而

教育部博士点基金(20093223110001

江苏省普通高校研究生科研创新计划(CXLX11_0413

南京邮电大学自动化学院,江苏南京 210023;南京信息工程大学电子与信息工程学院,江苏南京 210044,南京邮电大学自动化学院,江苏南京 210023,南京邮电大学自动化学院,江苏南京 210023

#计算机科学技术#

0评论(0 分享(0)

LIAO AnPing, TIAN YuShuai,YANG XiaoBo

Compressed sensing is put forward in recent years as a new type of signal transmission theory framework.~Compressed sensing theorymainly includes three aspects:~the sparse representation of signal,~encoding measuring and reconstruction algorithm.~Sparse representation of signal is a priori condition of compressed sensing.~In the measurement of coding,~In order to keep the original structure of the signal,~projection matrix must satisfy restricted isometry conditions,~and then obtain linear projection measurement of the original signal through the product of original signal and measure matrix.~Finally,~reconstruct the original signal by the measured value and the projection matrix using the reconstruction algorithm.~In this paper, a new bound on the restricted isometry conditions for sparse signals recovery is established. For the recovery of high-dimensional sparse signals, this paper considers constraint $ell_1$ minimization methods in the noiseless. It is shown that if the sensing matrix $A$ satisfies the corresponding $RIP$ condition, then all $k$-$sparse$ signals $eta$ can be recovered exactly via the constrained $ell_{1}$ minimization based on $y=Aeta$, which has improved the bound that was established by T. Cai and A. Zhang (IEEE Trans. Inf. Theory, 2014).

2016-04-14

National Natural Science Foundation of China (11271117

College of Mathematics and Econometrics, Hunan University, Chang Sha 410082 , College of Mathematics and Econometrics, Hunan University, Chang Sha 410082 , College of Mathematics and Econometrics, Hunan University, Chang Sha 410082

#Mathematics#

0评论(0 分享(0)