“低秩高维”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5162811个，建议您升级VIP下载更多相关专利

[发明专利]一种基于低秩拉普拉斯图学习的鲁棒数据降维方法-CN202111154444.7在审
发明人：沈项军;蔡明建;刘志锋 -专利权人：江苏大学
申请日： 2021-09-29 - 公布日： 2022-01-14 - 主分类号： G06V10/778 文献下载
摘要：本发明公开了一种基于低秩拉普拉斯图学习的数据降维方法，该方法针对原始数据存在噪声或遮挡的情况下，学习数据的内在几何结构即鲁棒的低秩拉普拉斯图，并利用该低秩拉普拉斯图得到高维数据的低维映射以达到数据降维作用提出的方法能够同时进行数据的低秩拉普拉斯图以及投影矩阵的学习，两者在产生的过程中相互促进。本方法利用了低维映射数据的低秩成分以获取数据的全局结构，数据的全局结构能抵抗数据中噪声的干扰同时低维数据也能在一定程度上减少噪声对投影矩阵的影响。
一种基于拉普拉斯学习数据方法

[发明专利]一种基于稀疏和低秩表示图的高光谱数据降维方法-CN201510977094.2有效
发明人：李伟;刘佳彬 -专利权人：北京化工大学
申请日： 2015-12-23 - 公布日： 2019-04-26 - 主分类号： G06K9/62 文献下载
摘要：一种基于稀疏和低秩表示图的高光谱数据降维方法，通过L₁范数获取稀疏表示特性，低秩表示的具有保持全局数据结构的特征，本方法通过核范数保持图的低秩特性。本方法包括如下技术内容，1)从原始的高光谱数据中选取一定量的数据用作训练样本。2)对所选的训练样本进行稀疏和低秩表示图的构造。3)通过最优化准则，寻求最优的投影矩阵，使在投影后的低维流形空间里保持2中所构造的图的特性。在原始空间中学习到的样本点间稀疏和低秩表示的特性，通过寻求一个变换投影矩阵，把数据投影到低维流形空间，同样也保持样本点间稀疏和低秩表示的特性。
一种基于稀疏表示光谱数据方法

[发明专利]一种基于低秩与稀疏分解的高光谱图像异常目标检测方法-CN201911280058.5有效
发明人：王涛;常红伟;苏延召;姜柯;韩德帅;曹继平 -专利权人：中国人民解放军火箭军工程大学
申请日： 2019-12-13 - 公布日： 2023-07-28 - 主分类号： G06V20/60 文献下载
摘要：本发明属于遥感影像处理技术领域，公开了一种基于低秩与稀疏分解的高光谱图像异常目标检测方法，包括：S1，将高光谱图像转换成二维矩阵；S2，利用图像中背景的低秩特性和目标的稀疏特性，对所述二维矩阵进行低秩与稀疏矩阵分解，得到低秩矩阵和稀疏矩阵；S3，针对所述低秩背景矩阵，计算其均值，然后计算全局协方差矩阵；S4，利用双滑动窗遍历所述高光谱图像，得到检测结果。本发明体现了简单、快速和高精度的特点，对采用高光谱技术在进行质量检测、环境监测以及军事侦察等方面具有很好的实用价值。
一种基于稀疏分解光谱图像异常目标检测方法

[发明专利]一种基于子空间的非局部低秩张量分解的高光谱图像去噪方法-CN202110675265.1有效
发明人：尹海涛;陈海涛 -专利权人：南京邮电大学
申请日： 2021-06-17 - 公布日： 2023-10-20 - 主分类号： G06T5/00 文献下载
摘要：本发明揭示了一种基于子空间的非局部低秩张量分解的高光谱图像去噪方法，高维高光谱图像在子空间中具有低秩特性，针对高光谱图像的子空间特征图，利用空间非局部自相似性以及张量Tucker分解对子空间特征图进行联合低秩约束该技术方案主要用于解决高光谱图像中的噪声干扰问题，能够去除高光谱图像中包含的高斯噪声和稀疏噪声。高维高光谱图像在子空间中具有低秩特性，针对高光谱图像的子空间特征图，利用空间非局部自相似性以及张量Tucker分解对子空间特征图进行联合低秩约束，进一步提高了对混合噪声的去噪能力。
一种基于空间局部张量分解光谱图像方法

[发明专利]基于图正则低秩表示维数约简的高光谱图像分类方法-CN201310331315.X有效
发明人：张向荣;焦李成;贺予迪;侯彪;吴家骥;杨淑媛;马文萍;马晶晶 -专利权人：西安电子科技大学
申请日： 2013-07-22 - 公布日： 2013-11-27 - 主分类号： G06K9/64 文献下载
摘要：本发明公开了一种基于图正则低秩表示维数约简的高光谱图像分类方法，首先用均值漂移技术对高光谱图像进行预分割；对预分割后的高光谱图像进行图正则低秩表示系数，获取图正则低秩系数矩阵；构造出特征值方程；学习出维数约简的映射矩阵，将原始高维数据转换到低维空间中再进行分类。本发明挖掘高光谱图像局部流形结构并保持原图像的空间分布特性，学习出有效的降维空间，提高高光谱图像分类正确率，且降低计算复杂度，主要解决了高光谱图像维数过高而导致计算量大及现有方法分类正确率低的问题，可用于精细农业
基于正则表示维数约简光谱图像分类方法

[发明专利]基于交错网格低秩有限差分的三维弹性波场数值模拟方法及系统-CN201910950906.2在审
发明人：崔月;王鹏燕;韩冬 -专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院
申请日： 2019-10-08 - 公布日： 2021-04-09 - 主分类号： G01V1/28 文献下载
摘要：一种基于交错网格低秩有限差分的三维弹性波场数值模拟方法及系统。该方法包括：包括：构建交错网格弹性递归时间积分算子；对交错网格弹性递归时间积分算子进行低秩分解，获得基于低秩分解的弹性递归时间积分算子；基于基于低秩分解的弹性递归时间积分算子，计算基于低秩分解的交错网格有限差分系数；基于所述低秩分解的交错网格有限差分系数获得三维解耦的弹性波方程的数值离散表示，利用离散表示的弹性波方程进行数值模拟，获得纵横波矢量波场。本发明能在高波数处拟合频散关系曲线，从而可实现弹性波场延拓得到三维纵横波矢量波场，其时间和空间方向上的精度高，利于后续的处理解释。
基于交错网格有限三维弹性数值模拟方法系统

[发明专利]结合Moreau增强TV和局部低秩矩阵恢复的高光谱图像去噪方法-CN201910236088.X在审
发明人：郑建炜;杨延红;陈胜勇 -专利权人：浙江工业大学
申请日： 2019-03-27 - 公布日： 2019-10-15 - 主分类号： G06T5/00 文献下载
摘要：一种结合Moreau增强TV和局部低秩矩阵恢复的高光谱图像去噪方法，包括以下步骤：1)获取待去噪的高光谱图像数据；2)建立基于局部低秩约束模型；3)构建Moreau增强TV模型；4)结合Moreau增强TV和局部低秩约束模型构建去噪模型，恢复出三维无噪高光谱图像。本发明较为显著的提高了高光谱图像混合噪声的去噪效果。
去噪高光谱图像低秩矩阵约束模型低秩构建高光谱图像数据恢复混合噪声三维

[发明专利]一种基于分块低秩张量分析的高光谱图像降维和分类方法-CN201210403361.1有效
发明人：陈昭;王斌;张立明 -专利权人：复旦大学
申请日： 2012-10-20 - 公布日： 2013-02-20 - 主分类号： G06K9/62 文献下载
摘要：本发明属于遥感图像处理技术领域，具体为一种基于分块的低秩张量分析的高光谱图像降维和分类方法。本发明根据高光谱图像的三维数据结构及其强烈的光谱特性和局部空间相关特性，将分块思想引入基于低秩张量分析的高光谱图像降维方法中，克服了图像的整体空间相关性较弱以及降维子空间维度的设定对降维效果的负面影响，最终得到一种能够大幅提高图像总体分类精度的新型降维方法——分块低秩张量分析法。该算法对各种不同的高光谱数据（包括仿真数据和实际数据集）都表现出良好的适用性。在基于高光谱遥感图像的高精度的地物分类方面具有重要的应用价值。
一种基于分块张量分析光谱图像维和分类方法

[发明专利]基于流形优化的张量低秩模型非平滑三维图像补全方法-CN202011326845.1有效
发明人：林宙辰;孔浩 -专利权人：北京大学
申请日： 2020-11-24 - 公布日： 2022-07-01 - 主分类号： G06T5/00 文献下载
摘要：本发明公布了一种基于流形优化的张量低秩模型非平滑三维图像补全方法，利用流形优化将低秩补全非平滑三维图像中的张量Q‑核范数TQN与正交投影基设置为可学习的图像依赖型优化变量，并更新数据依赖的正交投影基，输入为非平滑三维图像在投影算子imgContent="drawing" imgFormat="JPEG" orientation="portrait" inline="yes" />作用下的受限观测图像样本，输出为待恢复的非平滑的低秩三维图像，从而高效实现非平滑三维图像的低秩恢复。本发明用于低秩图像恢复，提高图像补全的适用性，提升非平滑三维图像低秩补全效果。
基于流形优化张量模型平滑三维图像方法

[发明专利]一种高阶高维图像数据的表示与分类方法-CN201711193755.8有效
发明人：胡岩峰;陆成韬;周鹏;杭谊青;陆茜茜;廉海明;彭晨 -专利权人：中国科学院电子学研究所苏州研究院
申请日： 2017-11-24 - 公布日： 2022-02-22 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种高阶高维图像数据的表示与分类方法，属于模式识别领域，其解决了图像识别过程中受噪音影响、图像原始结构被破坏，数据特征维度高、表示算法与分类算法不契合等问题。本发明所采用的技术方案是，利用投影矩阵集将图像数据从原始空间按模式投影到低秩子空间中，得到数据的低秩表示；在低秩子空间中训练稀疏表示字典和线性分类器，对图像数据进行分。利用投影矩阵集将图像数据从原始空间按模式投影到低秩子空间中，得到数据的低秩表示；在低秩子空间中训练稀疏表示字典和线性分类器，对图像数据进行分类。
一种高阶高维图像数据表示分类方法

[发明专利]数据处理方法、装置、终端及存储介质-CN201810462144.7有效
发明人：彭勇;李平 -专利权人：腾讯科技（深圳）有限公司;杭州电子科技大学
申请日： 2018-05-15 - 公布日： 2023-06-09 - 主分类号： G06F17/10 文献下载
摘要：所述方法包括：获取待处理数据；调用低秩表示与子空间联合模型对所述待处理数据进行处理，所述低秩表示与子空间联合模型包括用于去噪的低秩模型和用于降维的正则化项两部分；对所述低秩模型和所述正则化项进行联合求解，得到去噪与降维后的数据。采用低秩表示与子空间联合模型对待处理数据同时进行处理，处理过程对所述低秩模型和所述正则化项进行联合求解，由于所述低秩模型和所述正则化项分别用于去噪和降维，所以求解过程能够在去噪和降维两个目标上同时优化，从而实现最佳全局优化效果，保证了数据去噪和降维的效果。
数据处理方法装置终端存储介质

[发明专利]一种基于非局部的张量低秩正则化的高光谱图像重建方法-CN201810648111.1有效
发明人：闫敬文;刘义南;沈兰芝;冼金才 -专利权人：汕头大学
申请日： 2018-06-21 - 公布日： 2022-06-14 - 主分类号： G06T15/00 文献下载
摘要：本发明公开了一种基于非局部的张量低秩正则化的高光谱图像重建方法。首先，输入高光谱图像的测量算子和观测到的测量值，通过离散余弦变换(DCT)初步恢复出重建的图像。之后引入非局部正则化和三维张量的秩的约束，计算重建图像的三维相似图像块并构成三维张量，将三维张量平铺到各个方向上进行秩最小化的约束，然后把各个方向的矩阵堆叠成三维张量，最后还原成三维图像。经过交替方向乘子法(ADMM)和共轭梯度法(CG)的反复替代，从而重建出原始高光谱图像。在保证高光谱图像三维局部块的秩最小化的前提下，该方法明显提升了重建图像的峰值信噪比(PSNR)，提高了重建图像的质量，这对于高光谱图像的压缩传输和重建具有重要的实际意义。
一种基于局部张量正则光谱图像重建方法

[发明专利]一种神经网络和优化模型联合驱动的高光谱图像复原方法-CN202211236695.4在审
发明人：昌毅;肖雪尧;颜露新;曹舒宁 -专利权人：华中科技大学
申请日： 2022-10-10 - 公布日： 2023-01-13 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种神经网络和优化模型联合驱动的高光谱图像复原方法，属于数字图像处理技术领域。包括：步骤S1、以高光谱图像光谱维和非局部维低秩先验项作为约束，构造低秩张量复原模型；步骤S2、搭建神经网络，将高光谱图像重组张量块T输入所述神经网络，输出高光谱图像光谱维和非局部维的最优子空间维度；步骤S3、计算最优子空间；步骤S4、基于光谱维最优子空间和非局部维最优子空间，采用ADMM交替方向乘子法求解所述低秩张量复原模型，复原所述清晰的高光谱图像。本发明提升了高光谱图像复原的效果，将神经网络以一种新的方式嵌入到了优化模型中，结合了优化模型与神经网络的优势，为高光谱图像复原提供了一种新的思路。
一种神经网络优化模型联合驱动光谱图像复原方法

[发明专利]一种基于张量列分解的图像修复方法-CN202310357121.0在审
发明人：马淑丽;杜慧茜;贾录良;孙硕;储飞黄;方胜良;牛誉霏 -专利权人：中国人民解放军战略支援部队航天工程大学
申请日： 2023-04-06 - 公布日： 2023-09-01 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于张量列分解的图像修复方法，涉及图像处理技术领域，包括使用多层增维方案，对低维的破损图像进行高维张量转换；约束该高维张量在张量列分解框架下的TT低秩性，联合差分项约束，构建出基于张量列分解的图像修复模型；基于ADMM方法，给出迭代求解算法；在增维方案下的基于张量列的图像修复，比直接进行基于张量列的图像修复更能提升修复精度；本发明提供了一种挖掘图像潜在的高维张量低秩性的图像多层增维方案，扩展了图像修复技术在高维张量层次上的技术思路
一种基于张量分解图像修复方法

[发明专利]一种基于内在加权矩阵三分解低秩近似的推荐系统信息估计方法-CN202010374602.9在审
发明人：刘芝;李明;樊重俊 -专利权人：上海理工大学
申请日： 2020-05-06 - 公布日： 2020-08-28 - 主分类号： G06F16/9535 文献下载
摘要：本发明提出一种基于内在加权矩阵三分解低秩近似的推荐系统信息估计方法，本发明基于内在加权矩阵三分解低秩近似的推荐系统信息估计方法采用了上述技术方案，即该方法首先初始化低秩潜在因子矩阵和内在加权矩阵，即确定潜在因子矩阵的维数及内部元素的初始值，同时随机固定内在加权矩阵的内部元素值；基于高维稀疏评分矩阵中的已知信息来设计目标函数；然后利用梯度学习方法，设计求解最小化目标函数的算法；通过运行设计的算法，得到潜在因子矩阵；将潜在因子矩阵与内在加权矩阵相乘，得到高维稀疏评分矩阵的信息估计矩阵，从而得到高维稀疏评分矩阵中的缺失信息。
一种基于内在加权矩阵分解低秩近似的推荐系统信息估计方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条