“稀疏表示”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果222868个，建议您升级VIP下载更多相关专利

[发明专利]基于随机自适应符号稀疏编码的地基云图分类方法-CN201310389346.0有效
发明人：王春恒;刘爽;肖柏华;张重 -专利权人：中国科学院自动化研究所
申请日： 2013-08-30 - 公布日： 2013-11-27 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于随机自适应符号稀疏编码的地基云图分类方法，该方法包括：对于训练样本集合随机提取样本的局部特征；利用自适应符号稀疏编码对这些局部特征组成的集合进行聚类得到码本；对每个样本随机提取的局部特征，计算其与码本对应的稀疏编码系数，得到该样本随机局部特征的稀疏编码系数组成的矩阵；接下来利用最大化抽取操作得到样本的特征表示；计算测试地基云图的特征表示；利用分类器得到测试地基云图的分类结果。本发明通过随机提取地基云图的局部特征来提高地基云图分类的效率，节省时间开销；同时本发明采用自适应符号稀疏编码的方法来获得码本并计算局部特征的稀疏编码系数，从而可以更好地表示云图中信息，提高分类性能。
基于随机自适应符号稀疏编码地基云图分类方法

[发明专利]基于HOG特征稀疏表示的非约束人脸识别方法-CN201610432019.2有效
发明人：童莹;陈凡;曹雪虹 -专利权人：南京工程学院
申请日： 2016-06-15 - 公布日： 2019-05-10 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于HOG特征稀疏表示的非约束人脸识别方法，首先输入人脸数据库图片，提取输入图片的HOG特征；从每类人中随机选择若干张图片作训练，其余留作测试；将每类人每张训练图片的HOG特征列向量构建特征字典；利用梯度投影稀疏重建算法得到测试样本的HOG特征稀疏表示系数；按类依次保留稀疏系数，剩余系数置零，得到近似稀疏系数，与字典相乘得到测试样本估计值；计算测试样本与估计值的均方误差，根据均方误差最小原则判断测试样本类别解决了传统稀疏表示分类算法中因字典维度大导致运行速度慢的问题，有效提高算法运行效率。
基于 hog 特征稀疏表示约束识别方法

[发明专利]基于分割图像稀疏表示的SAR图像融合遮挡目标识别方法-CN201911074876.X有效
发明人：肖怀铁;贺志强;高超 -专利权人：中国人民解放军国防科技大学
申请日： 2019-11-06 - 公布日： 2022-08-02 - 主分类号： G06V20/00 文献下载
摘要：本发明公开了一种基于分割图像稀疏表示的SAR图像融合遮挡目标识别方法，包括步骤：一，SAR图像裁切；二，分割图像稀疏模型参数计算；三，利用分割图像稀疏模型计算加权图像；四，选择所有参数组，重复执行步骤三本发明利用分割图像的稀疏表示模型来分离可能的遮挡区域并通过对可能的遮挡区域加权处理来削弱遮挡对识别的影响；采用决策级融合和像素级融合两种融合策略来回避分割图像稀疏模型中的参数最优取值问题；通过将分割图像稀疏表示模型与融合策略结合
基于分割图像稀疏表示 sar 融合遮挡目标识别方法

[发明专利]一种基于非线性降维及稀疏表示的遥感图像检索方法-CN201910078994.1有效
发明人：彭晏飞;武宏;王伟;訾玲玲;宋晓男 -专利权人：辽宁工程技术大学
申请日： 2019-01-28 - 公布日： 2022-12-06 - 主分类号： G06F16/55 文献下载
摘要：本发明提出一种基于非线性降维及稀疏表示的遥感图像检索方法，包括：获取遥感图像，作为训练样本；通过去雾增强及色彩恢复进行预处理；使用卷积神经网络模型进行特征提取；线性降维加非线性降维；利用SOMP算法求解稀疏系数矩阵，并使用K‑SVD稀疏编码算法进行字典训练学习；构建分类准则；使用随机森林作为分类器，得到分类后的稀疏表示特征；用测试样本的图像特征向量与分类后的稀疏表示特征向量计算欧式距离，得到图像检索结果；本发明通过线性及非线性降维方式结合，对高维特征进行有效降维，并利用结合最近邻空间域像素的稀疏分类，使得数据集分类准确，经过实验结果验证，本发明可以解决遥感图像检索中效率低下和精度不高的问题。
一种基于非线性稀疏表示遥感图像检索方法

[发明专利]一种提高涉及稀疏矩阵计算速率的方法和系统-CN201911330882.7有效
发明人：葛志邦;胡志洋;张大龙;黄鑫;宋宪政;马其浩;王琳 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2019-12-20 - 公布日： 2023-03-10 - 主分类号： G06F17/16 文献下载
摘要：本说明书实施例公开了一种提高涉及稀疏矩阵计算速率的方法及系统。所述方法包括：获取稀疏矩阵，所述稀疏矩阵由至少一个非零值和所述至少一个非零值对应的坐标组成，所述坐标表示所述非零值在所述稀疏矩阵中的位置；所述坐标包括行坐标，所述行坐标表示所述非零值在所述稀疏矩阵中的行数；遍历所述稀疏矩阵，基于所述非零值对应的行坐标，生成所述至少一个非零值的至少一个访问索引；其中，所述访问索引表示所述非零值在所述至少一个非零值中被访问的顺序，行坐标相同的所述非零值对应的访问索引相邻；基于所述至少一个访问索引
一种提高涉及稀疏矩阵计算速率方法系统

[发明专利]一种基于类别稀疏表示的人脸识别方法及系统-CN201710576445.8在审
发明人：胡建国;吴明华;林培祥;王金鹏;李仕仁 -专利权人：广州智慧城市发展研究院;中山大学
申请日： 2017-07-14 - 公布日： 2017-11-21 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于类别稀疏表示的人脸识别方法及系统，其中，所述人脸识别方法包括对所述待识别人脸图像信息进行一维数组提取预处理，获取表示待识别人脸图像信息的一维数组信息；采用基本字典和核扩展字典对所述一维数组信息进行构建类别稀疏表示的计算处理，获取所述一维数组信息的类别稀疏表示；根据所述基本字典、所述核扩展字典和所述类别稀疏表示计算所述残差分类，获取残差分类集合；对所述残差分类集合内的残差分类进行排序处理，根据排序结果获取待识别人脸图像信息的识别结果
一种基于类别稀疏表示识别方法系统

[发明专利]一种基于稀疏表示的图像清晰度评价方法和装置-CN201410326987.6有效
发明人：李雷达;吴东;周玉;祝汉城;蔡浩 -专利权人：中国矿业大学
申请日： 2014-07-09 - 公布日： 2017-04-19 - 主分类号： G06T7/00 文献下载
摘要：一种基于稀疏表示的图像清晰度评价方法和装置，属于图像清晰度评价方法和装置。方法将彩色自然图像灰度化，从中随机地提取大量相同大小的图像块作为训练信号，在训练信号上利用字典学习算法得到能表示图像内在中高层次特征的过完备字典；对待评价的图像进行分块，分块大小与训练信号相同，计算各图像块的梯度和方差；在训练好的过完备字典上，对各图像块梯度信号进行稀疏分解，得到信号的稀疏表示系数，以稀疏表示系数矩阵中各列元素的L2范数平方和来表示各图像块的能量；对图像块能量从大到小排序，选取能量较大的图像块，对其能量利用相应的方差进行归一化处理
一种基于稀疏表示图像清晰度评价方法装置

[发明专利]一种基于叠加卷积稀疏自编码机的表示学习方法-CN202010581332.9有效
发明人：朱毅;李云;强继朋;袁运浩 -专利权人：扬州大学
申请日： 2020-06-23 - 公布日： 2023-09-22 - 主分类号： G06F18/21 文献下载
摘要：本发明公开了一种基于叠加卷积稀疏自编码机的表示学习方法，其特包括以下步骤：1）设计和实现包括白化的重构独立成分分析算法，并将图像数据集作为输入，迭代优化学习其输出的重构矩阵，得到训练完成的稀疏自编码模型；2）构建半监督叠加稀疏自编码机模型对特征表示做训练；3）构建卷积模型从数据中提取块特征，应用卷积和池化操作生成卷积特征表示；4）将卷积稀疏自编码机进行叠加，对卷积特征表示进行进一步优化；5）用逻辑回归模型在图像数据集上训练分类器本发明结合自编码机模型和卷积池化结构的特点，并利用大规模数据集中的少部分有标签数据，达到优化特征表示向量，提高图像数据集分类准确度。
一种基于叠加卷积稀疏编码表示学习方法

[发明专利]一种基于加权稀疏表示分类的手写汉字识别方法-CN201910418156.4在审
发明人：刘烜;黄洪琼 -专利权人：上海海事大学
申请日： 2019-05-20 - 公布日： 2019-08-09 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于加权稀疏表示分类的手写汉字识别方法，包含步骤：S1、建立训练样本集A＝{A_i}_i∈[1,k]，A_i为从选取的手写汉字库中提取的第i类特征向量，k为所述手写汉字库中提取的特征向量类别总数；S2、建立测试向量y，y为从待识别手写汉字中提取的特征向量，计算y在A上的稀疏表示向量S3、计算A中每个特征向量的权重，通过所述权重重构优化稀疏表示向量为稀疏表示向量S4、计算训练样本集A的每类特征向量对y的重构残差，判断本发明通过计算A中每个特征向量的权重，优化y在A上的稀疏表示向量，提高了对手写汉字识别精度。
特征向量稀疏表示手写汉字向量汉字库权重手写加权训练样本集测试向量汉字识别计算训练样本集分类残差重构优化

[发明专利]一种基于不完全测量的飞行器事后定位方法及系统-CN202110057044.8在审
发明人：李冬;孙杰;魏超;曾科军;黄晓冬;孟庆海;刘立坤;翟月;刘学 -专利权人：中国人民解放军91550部队
申请日： 2021-01-15 - 公布日： 2021-07-20 - 主分类号： G06F30/15 文献下载
摘要：本发明实施例提供一种基于不完全测量的飞行器事后定位方法及系统，根据已完成飞行运动的飞行器的运动轨迹为该飞行器建立相应的物理模型和数学模型，通过该飞行器的物理模型和数学模型共同形成该飞行器运动轨迹稀疏表示模型；当对飞行器的观测具有不完全测量时，该飞行器运动轨迹的测量模型为非线性部分欠定时序方程组；通过该飞行器运动轨迹稀疏表示模型和测量模型所具有的关联关系，建立该飞行器的稀疏表示寻优模型；对该飞行器的稀疏表示寻优模型进行求解实现对待估参数向量的稀疏表示，在测量出现不完全时，通过全程测量数据的综合使用，实现事后对飞行器的定位研究。
一种基于不完全测量飞行器事后定位方法系统

[发明专利]一种图嵌入低秩稀疏表示恢复稀疏表示人脸识别方法-CN201410607957.2有效
发明人：杜海顺;王俊;张延宇;杜晓玉;胡青璞;蒋曼曼 -专利权人：河南大学
申请日： 2014-11-03 - 公布日： 2015-01-28 - 主分类号： G06K9/64 文献下载
摘要：本发明公开了一种图嵌入低秩稀疏表示恢复稀疏表示人脸识别方法，属于计算机视觉和模式识别技术领域。本发明包括以下步骤：首先，提出一种图嵌入低秩稀疏表示恢复方法，能够从训练样本数据矩阵恢复出判别力强的干净训练样本数据矩阵，同时得到训练样本数据误差矩阵；然后，以干净训练样本数据矩阵为字典，以训练样本数据误差矩阵为误差字典，采用范数最优化技术求解待识别人脸数据的稀疏表示系数；更进一步，利用待识别人脸数据的稀疏表示系数，对待识别人脸数据进行类关联重构；最后，基于待识别人脸数据的类关联重构误差，完成待识别人脸图像的识别。
一种嵌入稀疏表示恢复识别方法

[发明专利]一种基于梯度稀疏表示的人脸识别方法-CN201310145062.7无效
发明人：葛永新;马鹏;张小洪;吴凡;洪明坚;徐玲;杨梦宁 -专利权人：重庆大学
申请日： 2013-04-24 - 公布日： 2013-08-14 - 主分类号： G06K9/00 文献下载
摘要：本发明属于图像处理和模式识别技术领域，公开了基于梯度稀疏表示的人脸识别方法。近年来，由于其优秀的识别效果和广泛的应用前景，基于稀疏表示的人脸识别算法得到了越来越多的关注。然而，基于稀疏表示的人脸识别算法要求训练集是完备的，这个条件在实际应用中很难满足；并且需要求解l¹最小化问题，这个过程是十分的耗时。鉴于图像梯度对均匀光照的不敏感性，本发明将图像梯度引入到稀疏表示框架下，同时采用灰度图像的X方向的梯度，Y方向的梯度和图像像素值来识别人脸图像。并且，本发明通过最小化l²范数来求解测试人脸图像在训练人脸图像集上的稀疏表示系数，因此，本发明速度快，有更广泛的应用价值。
一种基于梯度稀疏表示识别方法

[发明专利]基于稀疏表示的多传感器航迹融合方法-CN201610196780.0在审
发明人：张冰尘;王欢;孙进平;洪文;蒋成龙;毕辉 -专利权人：中国科学院电子学研究所
申请日： 2016-03-31 - 公布日： 2016-08-03 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于稀疏表示的多传感器航迹融合方法。根据各个局部传感器航迹的当前时刻状态信息构建无噪声训练样本集T和含噪声训练样本集R；基于两者建立字典训练模型；对字典训练模型进行训练，学习出了一对无噪声、含噪声字典D、C，使得无噪声、含噪声训练样本T、R分别在D、C中能够被稀疏的表示，并且具有相同的表示系数G；每一时刻把所有局部传感器得到的航迹状态向量表示成一个向量，找出该向量在含噪声字典中的稀疏表示系数，通过无噪声字典D和稀疏表示系数得到融合后的全局航迹状态向量。
基于稀疏表示传感器航迹融合方法

[发明专利]一种基于张量结构及稀疏表示的说话人确认方法及系统-CN201910272145.X有效
发明人：简志华;郭珊;徐剑;金易帆 -专利权人：杭州电子科技大学
申请日： 2019-04-04 - 公布日： 2021-09-28 - 主分类号： G10L17/06 文献下载
摘要：本发明公开了一种基于张量结构及稀疏表示的说话人确认方法及系统，该方法包括步骤：S1、构建听觉特征张量；S2、将所述听觉特征张量转换成稀疏矩阵；S3、降低所述稀疏矩阵的维度以生成最终的特征向量；S4、基于稀疏表示分类器进行说话人确认
一种基于张量结构稀疏表示说话确认方法系统

[发明专利]基于稀疏表示的苹果病害识别方法-CN201510508653.5在审
发明人：师韵;张善文;王献锋;张晴晴 -专利权人：师韵
申请日： 2015-08-19 - 公布日： 2015-12-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于稀疏表示的苹果病害识别方法，包括以下步骤：S1：病害苹果的病斑图像分割，得到二值化病斑图像；S2：构建稀疏表示最优化问题；S3：利用迭代法求解最优化问题，得到稀疏系数；S4：计算训练样本与待定的未知病害类别样本的残差本发明提供的基于稀疏表示的苹果病害识别方法具有特征提取速度快，识别率高，识别效果稳定，实时性强和实施性容易等优点。
基于稀疏表示苹果病害识别方法