重加权相关论文
近年来,人工智能技术（AI）已经在很多领域获得了极大的发展,但高精度机器学习模型往往依赖大量的有标注数据,而在很多诸如医疗、军事......
机器视觉等相关的应用因为其优异的性能被广泛使用,但由于客户数据隐私问题而不能获得优质的数据进行训练得到更好的模型.联邦学习......
近年来基于非负矩阵分解(Nonnegative Matrix Factorization, NMF)的高光谱图像解混方法引起了大家的广泛关注。但是由于NMF问题的......
针对传统基于鲁棒主成分分析(RPCA)的红外弱小目标检测算法对噪声不敏感,算法运行时间长,鲁棒性不强的问题,提出一种重加权红外小......
在许多实际应用中,要求阵列具有高分辨率(即:阵列方向图的主瓣较窄),而对扫描波束的增益要求不高,如:抗环境干扰卫星接收天线。阵......
红外弱小目标检测是精确制导领域中的关键技术之一,在飞机的红外搜索与跟踪(Infrared Search and Track,IRST)系统、红外成像与制......
在对数据的处理中,关于多元数据的离群点的探测日益受到重视.然而现有的方法存在着不够稳健、准确率较低等缺点.本文提出了两种多......
针对传统紧框架域L1范数模型忽略框架变换后分解系数与原始图像结构信息之间的联系,采用均匀惩罚的不足,提出一种新的重加权紧框架......
大多数传统矩阵重建算法都是利用矩阵的低秩特性或者相关改进先验信息来约束待重建矩阵。当观测矩阵中的缺失元素位置满足随机分布......
基于近似消息传递(AMP)算法,提出了一种重加权近似消息传递(Rw AMP)算法用于稀疏信道估计,该算法增加了重加权过程与衰减机制。在......
稀疏子空间聚类作为先进的子空间聚类算法,不仅能有效地聚类高维数据,而且可以直接对含有噪声、稀疏无关字典等干扰信息的复杂数据......
