张量的低秩逼近.ppt
天马****23
亲,该文档总共35页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
张量的低秩逼近.ppt
目录1.张量的基本概念张量的秩1.张量的基本概念Z(E)-特征值2.张量特征值的计算对称张量的US-特征值的计算:3.张量的秩1逼近和低秩逼近3.张量的秩1逼近和低秩逼近4.张量计算软件[A]GuyanNi,LiqunQiandMinruBai,GeometricmeasureofentanglementandU-eigenvaluesoftensors,SIAMJournalonMatrixAnalysisandApplications2014,35(1):73-87BasicDefinitions4.
基于张量的非局部自相似和低秩正则的张量修复方法.pdf
本发明公开了一种基于张量的非局部自相似和低秩正则的张量修复方法,包括以下步骤:S1:建立张量模型;S2:根据临近算子函数优化目标函数并对张量模型进行求解;S3:利用秩增长策略进行迭代求解。利用即插即用框架,设计了一个非显式的非局部自相似正则来促进张量的细节恢复。并设计了基于块连续上界下降法的模型求解算法。数值实验表明我们所提出的模型NLS‑LR在恢复目标张量的结构、轮廓和细节等方面具有很明显的优势,实验结果展示我们的模型在视觉效果和评价指标上均超过很多现有主流方法。
基于尺度混合模型和低秩逼近的视频去噪方法.pdf
本发明公开了一种基于尺度混合模型和低秩逼近的视频去噪方法,主要解决现有技术难以精确去除高斯脉冲混合噪声的问题。其方案是:1.采用中值滤波法获得视频的初始估计,并在测试图像的前后帧里寻找相似图像块矩阵;2.用拉普拉斯尺度混合模型对异常点集合建模,将异常点估计问题转为异常点和隐藏因子联合求解的问题,以去除混合噪声带来的异常点;3.对相似图像块矩阵进行低秩逼近,利用非局部低秩模型计算出去噪后图像;4.用拉普拉斯尺度混合模型和非局部低秩模型迭代计算得到恢复的单帧图像;5.重复1‐4得到去噪后的视频。本发明能去除混
基于低秩-稀疏逼近的行星齿轮箱故障诊断方法.pdf
基于低秩‑稀疏逼近的行星齿轮箱故障诊断方法,先利用内置编码器采集输出轴角度位置信号,然后以均方误差为损失函数,对输出轴角度位置信号拟合并差分,得到瞬时角速度信号,基于瞬时角速度信号,分别对行星轮、太阳轮及齿圈时域同步平均,随后对各自的时域同步平均信号做低秩‑稀疏逼近,得到行星轮、太阳轮及齿圈的稀疏恢复信号,并计算各自的峭度,峭度大于峭度阈值的则认为存在故障;本发明利用低秩‑稀疏逼近方法的特征,对采集到的复合信号解耦,分开行星齿轮箱的正常啮合信息和故障信息,凸显故障特征,有利于实现行星齿轮箱早期微弱故障的诊
基于低秩张量分解的多样本人脸表情识别方法.pdf
本发明提供了一种基于低秩张量分解的多样本人脸表情识别方法,包括图像预处理步骤、特征提取步骤、张量建模步骤、低秩学习步骤、张量分解步骤和特征分类步骤。本发明利用张量表示特征空间能保留图像的非线性特征;通过低秩张量分解技术对不同个体的人脸子空间区域特征进行学习,得到了不同维度下的人脸信息,再对所有子空间下的张量进行分解,聚类重构得到表情特征的有效表示,对人脸表情信息表示能力更强,从而提高人脸表情识别率。