“秩一降维”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34477420个，建议您升级VIP下载更多相关专利

[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：本发明公开了一种数据处理方法、装置、终端及存储介质，属于数据处理技术领域。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]适用于资源受限的设备的神经网络压缩方法及系统-CN201910477603.3有效
发明人：欧中洪;刘云峰;孔慧慧;宋美娜;宋俊德 -专利权人：北京邮电大学
申请日： 2019-06-03 - 公布日： 2021-05-11 - 主分类号： G06N3/08 文献下载
摘要：本申请提出一种神经网络压缩方法及系统。其中，神经网络压缩方法，包括：根据预设的初始降维能量比得到降维能量比集合；从原始训练集中进行抽样，以根据抽样数据得到抽样集；根据所述抽样集对神经网络模型中的每一层进行测试，以确定在降维能量比集合中每一个降维能量比下的精度损失；根据最小的精度损失对应的降维能量比计算每一层对应的低秩值；根据每一层对应的低秩值对神经网络压缩进行压缩，以得到压缩模型。本申请的神经网络压缩方法，对神经网络每一层进行压缩敏感度预检测，然后根据敏感度为每一层分配合适的低秩rank，最后进行低秩分解得到压缩模型，具有分配效率高且分配合理的优点，避免压缩后精度的过多下降。
适用于资源受限设备神经网络压缩方法系统

[发明专利]基于联合交替优化的降秩波束形成方法-CN201410787113.0有效
发明人：贺顺;张释如;李国民 -专利权人：西安科技大学
申请日： 2014-12-17 - 公布日： 2015-03-25 - 主分类号： G01S7/00 文献下载
摘要：本发明公开了一种基于联合交替优化的降秩波束形成方法,主要解决全维自适应波束形成器运算量大及在小样本条件下输出信干噪比低之问题，其实现过程为：由阵列天线接收数据计算采样协方差矩阵；由采样协方差矩阵利用空间谱重构技术更新先验协方差矩阵；采用加权融合处理方法得到阵列数据的估计协方差矩阵；由估计协方差矩阵，根据线性约束最小均方误差准则，采用联合交替优化降维矩阵与降维权矢量的方式得到最优降维矩阵和最优降维权矢量；由最优降维矩阵和最优降维权矢量处理接收数据，完成降秩波束形成。本发明具有运算量小和输出信干噪比高之优点，用于在小样本条件下估计协防差矩阵并实现最优降秩波束形成。
基于联合交替优化波束形成方法

[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]一种基于结构约束对称低秩保留投影的降维方法-CN202010167087.7有效
发明人：陶洋;鲍灵浪;胡昊;孙雨浩;郭坦 -专利权人：重庆邮电大学
申请日： 2020-03-11 - 公布日： 2023-02-21 - 主分类号： G06V10/77 文献下载
摘要：本发明涉及一种基于结构约束对称低秩保留投影的降维方法，属于机器学习和模式识别技术领域。该方法包括以下步骤：S1：图像数据集预处理，形成训练集；其中训练集中包含图像数据的数据信息X矩阵和有监督数据标签T矩阵；S2：构建结构约束对称低秩保留投影模型，首先构建基础投影降维模型，同时引入低秩表示学习和监督信息；S3：采用合适的权重更新策略和结束规则对表示矩阵Z、投影矩阵P和监督信息矩阵R进行联合学习，得到训练好的投影降维模型；S4：将图像样本信息输入已训练好的投影降维模型，得到样本的目标分类和重建信息。本发明能够提升降维准确率。
一种基于结构约束对称保留投影方法

[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。
一种基于分块张量分析光谱图像维和分类方法

[发明专利]基于组块低秩张量模型的无监督高光谱数据降维方法-CN201510504295.0有效
发明人：安金梁;左现刚;雷进辉;胡萍;许睿;赵欣;张利伟 -专利权人：河南科技学院
申请日： 2015-08-17 - 公布日： 2018-05-25 - 主分类号： G06T3/00 文献下载
摘要：本发明提供了一种基于组块低秩张量模型的无监督高光谱数据降维方法，主要解决现有技术获取高光谱数据类标难以及高光谱图像空谱联合信息利用不充分的问题。其技术方案是：1.输入高光谱图像数据，获得高光谱图像的张量表示形式；2.设定高光谱图像空间分块尺寸，对高光谱图像进行空间镜像扩展；3.对扩展后的高光谱图像在空间维进行分块处理；4.对三阶图像块进行聚类操作；5.用低秩张量分析对各个聚类组分别进行降维，得到各聚类组的降维结果；6.对降维后的三阶图像块按原始位置还原，得到原始高光谱图像降维结果。本发明提高了降维后数据的可分性，有利于提高后续高光谱图像分类的正确率，可用于高光谱图像的处理。
高光谱图像降维高光谱数据低秩图像块无监督聚类三阶组块高光谱图像数据表示形式分块处理技术获取镜像扩展聚类操作空间分块联合信息张量分析可分性空间维正确率可用类标还原分类

[发明专利]一种基于穿戴式智能眼镜的人脸识别方法及装置-CN201710861000.4在审
发明人：梁永睿;吴宗友 -专利权人：曙光信息产业（北京）有限公司
申请日： 2017-09-21 - 公布日： 2018-03-30 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于穿戴式智能眼镜的人脸识别方法及装置，该人脸识别方法包括对人脸数据的原样本空间进行霍特林K‑L变换得到降维后的特征表示子空间，其中，特征表示子空间的秩不大于原样本空间的秩的上限，并且特征表示子空间的类内离散度可逆本发明能够快速进行数据降维并保证降维后的数据有效性，能够提高后续人脸识别处理的运算速度。
一种基于穿戴智能眼镜识别方法装置

[发明专利]一种具有双线性低秩子空间的线性判别分析方法-CN201710793137.0有效
发明人：何小海;苏婕;卿粼波;周文一;王正勇;吴晓红;熊淑华 -专利权人：四川大学
申请日： 2017-09-06 - 公布日： 2020-06-23 - 主分类号： G06F17/16 文献下载
摘要：本发明公开了一种具有双线性低秩子空间的线性判别分析方法。包括以下步骤：针对矩阵数据样本集，保留原本矩阵的形式作为输入数据，构建基于矩阵的判别分析模型，采用基于矩阵的最小二乘方法构建损失函数，引入核范数正则项对映射矩阵集进行低秩约束，采用乘法器的交替方向算法(ADMM)框架对损失函数进行求解，以探求矩阵样本集的双线性低秩子空间，从而对矩阵样本集进行降维。本发明所述的具有双线性低秩子空间的线性判别分析方法比其他方法在矩阵样本集降维效果上有明显提升，评价指标综合表现很好。
一种具有双线性低秩子空间线性判别分析方法

[发明专利]基于高光谱低秩张量分解的小麦种子分类方法-CN202310205648.1在审
发明人：安金梁;郑颖;金松林;张琛;李亚强;张卫东;李国厚;曲培新;王应军;张自阳 -专利权人：河南科技学院
申请日： 2023-03-06 - 公布日： 2023-06-27 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了一种基于低秩张量分解的小麦种子分类方法，包括：输入高光谱图像，将所有像素灰度值归一化为0～1之间，采用阈值分割法将小麦种子区域与背景区域分离，获得背景蒙版矩阵，使用获得的蒙版计算每个种子的高光谱平均反射率将原始数据表示为张量形式，使用低秩张量分解法对原始张量进行降维，得到降维后的张量。将产生的降维后数据输入组合分类器进行分类，分类结果按照其所属种子分组，对于每一组结果选择其中最多的分类结果为该组也就是该种子的最终分类结果。通过低秩张量分解的方式提取包含空间结构信息与光谱信息的融合特征矩阵，进而提高小麦种子分类识别率。
基于光谱张量分解小麦种子分类方法

[发明专利]信号降噪方法及装置-CN201810834585.5有效
发明人：张阳;张勇;崔涛 -专利权人：深圳友讯达科技股份有限公司
申请日： 2018-07-26 - 公布日： 2021-10-22 - 主分类号： G01R31/12 文献下载
摘要：本发明实施例提供一种信号降噪方法及装置。所述方法包括：由离散的局部放电信号构建第一Hankel矩阵；对第一Hankel矩阵进行奇异值分解和减秩得到第一减秩矩阵；对第一减秩矩阵进行奇异谱分析得到第二Hankel矩阵；采用卡组算法对第二Hankel矩阵进行迭代以实现降维，并在迭代预设次数后得到目标减秩矩阵；由目标减秩矩阵的第一行元素及最后一列元素组成低秩的过滤后的信号，以得到降噪后的局部放电信号。在降噪过程中引入卡组算法进行降秩，使得在去除局部放电信号中噪声的基础上很好地保留了有效信号。
信号方法装置

[发明专利]一种信道状态信息数据降维方法及智能室内定位方法-CN202110123591.1有效
发明人：张云伟;王韦刚;许晨东 -专利权人：南京邮电大学
申请日： 2021-01-29 - 公布日： 2022-07-29 - 主分类号： H04W4/029 文献下载
摘要：本发明公开了一种信道状态信息数据降维方法及智能室内定位方法，首先通过基于局部线性嵌入和低秩的降维模型对构建的信道状态信息幅度数据进行降维处理，以去除数据中的冗余信息，而后将降维后的数据输入朴素贝叶斯分类器中
一种信道状态信息数据方法智能室内定位

[发明专利]基于秩一降维模型和块矩阵恢复的波达方向估计方法-CN201910516081.3有效
发明人：朱圣棋;房云飞;王如杰;刘婧;曾操;王博;王磊 -专利权人：西安电子科技大学
申请日： 2019-06-14 - 公布日： 2022-12-27 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于秩一降维模型和块矩阵恢复的波达方向估计方法，该方法的具体步骤为：建立雷达的接收信号模型，确定接收信号的测量矩阵；根据接收信号的测量矩阵，构造基于秩一降维的信号协方差矩阵模型；对基于秩一去噪的信号协方差矩阵模型进行稀疏重构
基于秩一降维模型矩阵恢复方向估计方法

[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]基于秩一降维模型和矩阵补全的波达方向估计方法-CN201910516082.8有效
发明人：朱圣棋;房云飞;王如杰;刘婧;曾操;王磊;王博 -专利权人：西安电子科技大学
申请日： 2019-06-14 - 公布日： 2023-03-28 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于秩一降维模型和矩阵补全的波达方向估计方法，该方法的具体步骤为：建立雷达的接收信号模型，确定接收信号的测量矩阵，进而得到估计信号协方差矩阵；根据接收信号的测量矩阵，构造基于秩一降维模型的信号协方差矩阵；根据降维的信号协方差矩阵和估计信号协方差矩阵，得到全信号协方差矩阵；通过矩阵补全理论，得到无噪声信号协方差矩阵；对无噪声信号协方差矩阵进行稀疏重构，得到稀疏重构信号矢量；根据稀疏重构信号矢量，采用交替网格优化算法估计目标信源的波达方向
基于秩一降维模型矩阵方向估计方法

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