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
关键词: Geometric changes Image registration Sparsity Traumatic brain injury (TBI)
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
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
关键词: Periodicity analysis Period detection Sparsity Noise Approximate greatest common divisor (AGCD)
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
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
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。
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
标题 作者 时间 类型 操作
AGCD: a robust periodicity analysis method based on approximate greatest common divisor
Juan YU,Pei-zhong LU
期刊论文