资源类型

期刊论文 6

年份

2021 1

2018 1

2017 2

2015 2

关键词

变量选择 1

块压缩传感；稀疏自适应匹配追踪；贪婪算法；Wilkinson矩阵 1

多元回归方法 1

稀疏性 1

稀疏表示；拉普拉斯正则子；字典学习；双稀疏；流形 1

调频连续波；逆合成孔径雷达；匹配滤波；压缩感知；块稀疏 1

降秩回归 1

降维 1

展开 ︾

检索范围：

排序： 展示方式：

Deformable image registration with geometric changes

Yu LIU,Bo ZHU

《信息与电子工程前沿（英文）》 2015年 第16卷 第10期   页码 829-837 doi: 10.1631/FITEE.1500045

摘要： Geometric changes present a number of difficulties in deformable image registration. In this paper, we propose aglobal deformation framework to model geometric changes whilst promoting a smooth transformation between source and target images. To achieve this, we have developed an innovative model which significantly reduces the side effects of geometric changes in image registration, and thus improves the registration accuracy. Our key contribution is the introduction of a sparsity-inducing norm, which is typically L1 norm regularization targeting regions where geometric changes occur. This preserves the smoothness of global transformation by eliminating local transformation under different conditions. Numerical solutions are discussed and analyzed to guarantee the stability and fast convergence of our algorithm. To demonstrate the effectiveness and utility of this method, we evaluate it on both synthetic data and real data from traumatic brain injury (TBI). We show that the transformation estimated from our model is able to reconstruct the target image with lower instances of error than a standard elastic registration model.

关键词： Geometric changes     Image registration     Sparsity     Traumatic brain injury (TBI)    

HTML PDF 收藏

基于Wilkinson矩阵提升稀疏自适应匹配追踪重构效率 None

Rasha SHOITAN, Zaki NOSSAIR, I. I. IBRAHIM, Ahmed TOBAL

《信息与电子工程前沿（英文）》 2018年 第19卷 第4期   页码 503-512 doi: 10.1631/FITEE.1601588

摘要： 稀疏自适应匹配追踪（sparsity adaptive matching pursuit，SAMP）是压缩感知信号的一种贪婪重构算法。

关键词： 块压缩传感；稀疏自适应匹配追踪；贪婪算法；Wilkinson矩阵    

HTML PDF 收藏

AGCD: a robust periodicity analysis method based on approximate greatest common divisor

Juan YU,Pei-zhong LU

《信息与电子工程前沿（英文）》 2015年 第16卷 第6期   页码 466-473 doi: 10.1631/FITEE.1400345

摘要： Periodicity is one of the most common phenomena in the physical world. The problem of periodicity analysis (or period detection) is a research topic in several areas, such as signal processing and data mining. However, period detection is a very challenging problem, due to the sparsity and noisiness of observational datasets of periodic events. This paper focuses on the problem of period detection from sparse and noisy observational datasets. To solve the problem, a novel method based on the approximate greatest common divisor (AGCD) is proposed. The proposed method is robust to sparseness and noise, and is efficient. Moreover, unlike most existing methods, it does not need prior knowledge of the rough range of the period. To evaluate the accuracy and efficiency of the proposed method, comprehensive experiments on synthetic data are conducted. Experimental results show that our method can yield highly accurate results with small datasets, is more robust to sparseness and noise, and is less sensitive to the magnitude of period than compared methods.

关键词： Periodicity analysis     Period detection     Sparsity     Noise     Approximate greatest common divisor (AGCD)    

HTML PDF 收藏

基于稀疏表示的拉普拉斯稀疏字典图像分类 Article

Fang LI, Jia SHENG, San-yuan ZHANG

《信息与电子工程前沿（英文）》 2017年 第18卷 第11期   页码 1795-1805 doi: 10.1631/FITEE.1600039

摘要： 稀疏表示作为数据表示的一种数学模型，是解决模式识别、机器学习、计算机视觉等领域问题的有力工具。字典学习是稀疏表示方法的重要组成部分，在对原始信号及其在字典学习空间中的重建误差的最小化上发挥着重要的作用。在稀疏表示模型中，直接利用训练样本作为字典可以取得良好的性能。但由于训练样本含有噪声，这样的字典很大且效率低下。为取得更小且表现更好的字典，本文提出一种基于流形学习及双稀疏理论的拉普拉斯稀疏字典学习方法（Laplacian sparse dictionary, LSD）。本文将拉普拉斯权重图加入稀疏表示的模型，并对字典加以 范数约束。LSD是一个稀疏的过完备字典，可保持数据的内在结构，并为每个类学习一个更小的字典。学习得到的字典可以嵌入基于稀疏表示的分类框架。将本文提出的方法和其它方法在三个基准的约束人脸数据（Extended Yale B、ORL、AR）和一个无约束的行人数据图像数据库i-LIDS-MA上进行对比实验。结果显示本文提出的LSD算法比当前基于分类的稀疏表示的方法更有优势。

关键词： 稀疏表示；拉普拉斯正则子；字典学习；双稀疏；流形    

HTML PDF 收藏

扩大多元回归方法在跨组学研究中的范围 Article

Xiaoxi Hu, Yue Ma, Yakun Xu, Peiyao Zhao, Jun Wang

《工程（英文）》 2021年 第7卷 第12期   页码 1725-1731 doi: 10.1016/j.eng.2020.05.028

摘要：

近年来科技的进步和发展使得高维数据急剧增加，研究人员对合适且有效的多元回归方法的需求也随之增长。许多传统的多元分析方法如主成分分析等已广泛应用于投资分析、图像识别和群体遗传结构分析等研究领域。然而，这些常见的方法存在其局限性，即忽略了响应之间的相关性和变量选择效率低的问题。因此，本文引入了降秩回归方法及其扩展形式——稀疏降秩回归和行稀疏的子空间辅助回归，这些方法有望满足上述需求，从而提高回归模型的可解释性。我们通过开展仿真研究来评估它们的效果，并将它们与其他几种变量选择方法进行比较。对于不同的应用场景，我们也提供了基于预测能力和变量选择精度的选择建议。最后，为了证明这些方法在微生物组研究领域的实用价值，我们将所选择的方法应用于实际种群水平的微生物组数据，结果验证了我们方法的有效性。该方法的扩展形式为未来的组学研究特别是多元回归研究提供了有价值的指导，并为微生物组学及其相关研究领域的新发现奠定了基础。

关键词： 多元回归方法     降秩回归     稀疏性     降维     变量选择    

HTML PDF 收藏

基于块稀疏的超宽带FMCW雷达ISAR大转角成像 Article

Ke JIN, Tao LAI, Gong-quan LI, Ting WANG, Yong-jun ZHAO

《信息与电子工程前沿（英文）》 2017年 第18卷 第12期   页码 2058-2069 doi: 10.1631/FITEE.1601310

摘要： 超宽带调频连续波雷达可凭借大带宽获得极高的距离分辨率。同时，结合逆合成孔径技术，在大转角条件下进一步得到二维高分辨目标图像。然而，在逆合成孔径雷达中的距离—方位耦合问题严重制约了成像性能。本文基于转台模型的假设，研究传统的匹配滤波类算法，如距离多普勒算法和后向投影算法。为消除传统算法中的高旁瓣效应，进一步探索压缩感知类算法。考虑到高分辨条件下信号的块稀疏特性，本文重点研究了基于块稀疏的自适应匹配追踪大转角ISAR（inverse synthetic aperture radar）成像算法。通过信号对字典的匹配追踪与回溯更新，将雷达回波在未知稀疏度下精确重构，最终得到目标ISAR图像。计算机仿真、简单目标和复杂目标实验结果证明了该算法相比其他算法的有效性和优越性。

关键词： 调频连续波；逆合成孔径雷达；匹配滤波；压缩感知；块稀疏    

HTML PDF 收藏

标题 作者 时间 类型 操作

Deformable image registration with geometric changes

Yu LIU,Bo ZHU

期刊论文

基于Wilkinson矩阵提升稀疏自适应匹配追踪重构效率

Rasha SHOITAN, Zaki NOSSAIR, I. I. IBRAHIM, Ahmed TOBAL

期刊论文

AGCD: a robust periodicity analysis method based on approximate greatest common divisor

Juan YU,Pei-zhong LU

期刊论文

基于稀疏表示的拉普拉斯稀疏字典图像分类

Fang LI, Jia SHENG, San-yuan ZHANG

期刊论文

扩大多元回归方法在跨组学研究中的范围

Xiaoxi Hu, Yue Ma, Yakun Xu, Peiyao Zhao, Jun Wang

期刊论文

基于块稀疏的超宽带FMCW雷达ISAR大转角成像

Ke JIN, Tao LAI, Gong-quan LI, Ting WANG, Yong-jun ZHAO

期刊论文