2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著現(xiàn)代科學(xué)技術(shù)的不斷進(jìn)步,計算機(jī)性能的不斷提升和研究者的深入研究,模式識別問題的應(yīng)用研究已經(jīng)成效顯著。例如,通過人臉識別辨別不同的人物圖像,通過不同的表情來區(qū)別不同的心情等。在應(yīng)用研究過程中,字符識別、語音識別、人臉識別已經(jīng)成為模式識別研究領(lǐng)域中較為突出的幾個方面。OCR(Optical Character Recognition,光學(xué)字符識別)作為模式識別中一個相對古老的研究領(lǐng)域,在模式識別的歷史中有重要的地位。為進(jìn)一步提高在線OC

2、R識別準(zhǔn)確率,并同時考慮字符圖像中誤差噪聲和遮擋干擾的存在,利用圖像低秩稀疏恢復(fù)方法進(jìn)行圖像預(yù)去噪和矯正是一種可行的方法。低秩矩陣恢復(fù)問題衍生于最近幾年非常流行的壓縮感知技術(shù),是一種重要的數(shù)據(jù)分析工具,在計算機(jī)視覺、圖像處理、推薦系統(tǒng)、文本分析等領(lǐng)域已廣泛應(yīng)用。
  本文通過對國內(nèi)外現(xiàn)狀的仔細(xì)研究,對低秩矩陣恢復(fù)問題的現(xiàn)有算法和應(yīng)用研究進(jìn)行了全面的分析與總結(jié),指出了現(xiàn)有算法的不足。現(xiàn)有的低秩矩陣恢復(fù)方法存在計算量大、能夠處理的矩陣

3、規(guī)模較小等缺陷,使得該方法在很多情況下不能充分發(fā)揮其優(yōu)勢。
  針對增廣拉格朗日乘子法(Augmented Lagrange Multiplier,簡稱ALM)收斂性的不足,本文提出了基于增廣拉格朗日乘子法的一種改進(jìn)算法:在每步迭代過程中,ALM算法的輸出作為一個預(yù)測值,新的迭代通過用一些修正步驟來改正這個預(yù)測值。
  雖然已有增廣拉格朗日乘子方法提出,但低秩恢復(fù)問題算法效率仍然很慢,計算量相當(dāng)大。本文研究了一種并行分離的增

4、廣拉格朗日乘子法,將并行分離的思想與增廣拉格朗日乘子法相結(jié)合,然后通過一個凸組合步驟形成新的迭代,該算法能在保證收斂性的同時提高算法的計算速度。
  本文將并行分離增廣拉格朗日乘子法用于OCR的字符矯正應(yīng)用,通過與文獻(xiàn)中已經(jīng)出現(xiàn)的ALM、改進(jìn)ALM算法比較,表明所提的方法在保持正確收斂的情況下,算法的效率有了很大提升。在當(dāng)前計算機(jī)和便攜終端等硬件多CPU和GPU的CUDA平臺條件下,應(yīng)用多核處理,實現(xiàn)并行分離ALM方法顯得格外有實

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論