首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  完全免费   1篇
  自动化技术   1篇
  2022年   1篇
排序方式: 共有1条查询结果,搜索用时 62 毫秒
1
1.
在强干扰复杂环境下, 有效的特征选择对于目标跟踪模型的可解释性至关重要. 针对这一问题, 本文基于 再生核Hilbert空间(RKHS)理论, 对特征空间构建生成式的两阶段稀疏表示(TSSR)模型, 从而描述图像样本与字典 之间的非线性关系, 避免了在字典中引入大量的琐碎模板. 在第1阶段, 首先建立图像样本与字典在原始低维空间中 的关系, 然后利用批处理最小二乘算法求得稀疏表示系数的初值, 根据观测模型确定初始跟踪位置的分布; 在第2阶 段, 首先利用核方法将原始低维空间映射到高维特征空间, 然后提出一种基于核的加速近端梯度算法(KAPG), 从而 求得字典元素系数的核稀疏表示, 最终确定跟踪目标. 最后实验结果证明了本文所提出的TSSR方法在面对视角变 化和部分遮挡时的有效性.  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号