修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

3 条数据
?? 中文（中国） ▾

  • 重加权局部协同稀疏回归用于高光谱解混

    摘要： 稀疏解混基于这样一个假设：高光谱图像中的每个混合像元都可以表示为光谱库中已知纯端元光谱特征的线性组合。协同稀疏回归通过求解联合稀疏回归问题来提升解混效果，该方法对数据集中所有像元同时施加稀疏性约束。然而高光谱图像具有丰富的空间相关性，可被用于更精确地估计端元丰度。本研究基于迭代重加权算法和局部协同稀疏解混方法，提出了重加权局部协同稀疏解混（RLCSU）算法。通过同时运用迭代重加权最小化和局部协同稀疏解混（分别在模型中引入光谱信息和空间信息），显著提升了稀疏解混性能。该优化问题通过变量分裂与增广拉格朗日算法简易求解。我们采用模拟和真实高光谱数据集进行实验验证，结果表明：在所有考虑的信噪比（SNR）水平下，特别是低噪声情况下，所提RLCSU算法均获得优于LCSU和CLSUnSAL算法的信号重建误差比（SRE，单位dB）。当SNR=50dB时，针对模拟数据1，RLCSU算法取得30.01的SRE(dB)值，显著优于LCSU算法（20.08）和CLSUnSAL算法（17.28）。这证明本方法是有效且精确的光谱解混算法。

    关键词： 高光谱解混、光谱解混、重加权局部协同、空间信息、稀疏回归

    更新于2025-09-23 15:23:52

  • 基于磁共振成像并利用标签信息的稀疏特征学习用于阿尔茨海默病分类

    摘要： 生物医学信号处理数据已被用于脑部疾病的自动诊断与分类，这是智慧城市研究的重要组成部分。如何从这些数据中选取判别性特征是影响后续自动诊断与分类性能的关键。然而，在以往的流形正则化稀疏回归模型中，局部邻域结构直接基于传统欧氏距离构建，未充分利用受试者的标签信息，导致所选特征的判别性较弱。本文提出一种新型流形正则化稀疏回归模型用于学习判别性特征：首先采用l2,1范数正则化联合筛选样本间的相关特征子集；进而通过标签信息调整的相对距离构建新型流形正则项，该正则项能同时保持类内样本的紧凑性与类间样本的可分性，从而选取更具判别性的特征。所提特征学习方法进一步应用于二分类与多分类任务?；诎⒍暮Ｄ∩窬跋裱Ъ苹氖笛榻峁砻?，该方法能有效诊断阿尔茨海默病与轻度认知障碍。

    关键词： 特征学习、阿尔茨海默病、流形正则化、稀疏回归

    更新于2025-09-22 15:30:13

  • [IEEE 2018年第24届国际模式识别大会(ICPR) - 中国北京(2018.8.20-2018.8.24)] 2018年第24届国际模式识别大会(ICPR) - 基于特征选择的灵活判别性非线性嵌入方法用于图像分类

    摘要： 过去几年中，各种基于图的嵌入算法被提出并应用于机器学习与模式识别领域。本文提出一种用于图像分类识别的非线性图嵌入学习算法，该嵌入方法适用于监督式与半监督式学习场景。所提出的准则能同步估计线性和非线性嵌入，其整合了流形平滑性、稀疏回归和边缘判别嵌入技术。采用的稀疏回归方法隐式地对原始数据矩阵特征及线性变换特征执行特征选择。该方法在四个图像数据集上进行了验证：8类体育赛事数据集、Scene 15数据集、ORL人脸数据集和COIL-20物体数据集。实验结果表明该嵌入方法具有显著有效性。

    关键词： 半监督学习、特征选择、稀疏回归、判别性非线性嵌入

    更新于2025-09-09 09:28:46