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71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(bào)或認(rèn)領(lǐng)

文檔簡介

1、本文首先介紹了壓縮感知理論框架,著重回顧了壓縮感知重構(gòu)算法的研究和應(yīng)用現(xiàn)狀,針對其本質(zhì)是l0范數(shù)問題,將對直線邊緣稀疏表示性能好的脊波(Ridgelet)冗余字典和遺傳進(jìn)化(Genetic Algrithm,GA)算法融入到壓縮感知重構(gòu)框架中,提出并實(shí)驗(yàn)仿真了基于ridgelet冗余字典和遺傳進(jìn)化的壓縮感知重構(gòu)方法。首先,建立了基于分塊的Ridgelet冗余字典的壓縮感知重構(gòu)框架,其次,針對問題實(shí)際情況,詳細(xì)設(shè)計(jì)了GA的編解碼方式、適應(yīng)

2、度函數(shù)和遺傳算子,最后,提出了三種不同形式的遺傳進(jìn)化的壓縮感知重構(gòu)方法,分別為單個測量遺傳進(jìn)化、相似測量共同遺傳進(jìn)化和兩者結(jié)合的重構(gòu)方法。
  單個測量遺傳進(jìn)化重構(gòu)方法是將遺傳進(jìn)化算法簡單地融入重構(gòu)問題,仿真實(shí)驗(yàn)數(shù)據(jù)證明了遺傳進(jìn)化算法確實(shí)能夠較好解決此類問題,進(jìn)化到一定代數(shù)后,該方法能夠超越正交匹配追蹤方法的重構(gòu)結(jié)果。相似測量共同遺傳進(jìn)化重構(gòu)方法是受圖像存在非局部自相似特性的啟發(fā),實(shí)驗(yàn)數(shù)據(jù)分析得知經(jīng)過高斯隨機(jī)觀測的向量間也存在相似

3、性,為此,我們借助仿射傳播聚類算法得到相似測量分組,重新定義適應(yīng)度函數(shù),仿真實(shí)驗(yàn)數(shù)據(jù)表明,與前一種算法進(jìn)行對比,本方法由于充分利用了相似子塊之間的約束,因此在進(jìn)化初期就能有效地抑制子塊學(xué)誤的現(xiàn)象,減少了進(jìn)化代數(shù),同時又提高了重構(gòu)效果。
  綜合分析前兩種重構(gòu)方法的數(shù)據(jù)和重構(gòu)效果,結(jié)合相似測量共同遺傳進(jìn)化突出的共性化和單個測量遺傳進(jìn)化強(qiáng)調(diào)的個性化優(yōu)勢,提出了兩者結(jié)合的遺傳進(jìn)化重構(gòu)方法,且充分利用每一代進(jìn)化后中間輸出圖像信息,新增加了

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