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
  收费全文   232篇
  国内免费   17篇
  完全免费   182篇
  自动化技术   431篇
  2022年   6篇
  2021年   4篇
  2020年   6篇
  2019年   6篇
  2018年   28篇
  2017年   31篇
  2016年   41篇
  2015年   58篇
  2014年   89篇
  2013年   40篇
  2012年   56篇
  2011年   29篇
  2010年   13篇
  2009年   8篇
  2008年   3篇
  2007年   8篇
  2006年   2篇
  2004年   1篇
  1999年   1篇
  1992年   1篇
排序方式: 共有431条查询结果,搜索用时 88 毫秒
1.
压缩传感综述   总被引:56,自引:11,他引:45       下载免费PDF全文
李树涛  魏丹 《自动化学报》2009,35(11):1369-1377
在传统采样过程中, 为了避免信号失真, 采样频率不得低于信号最高频率的2倍. 然而对于数字图像、视频的获取, 依照香农(Shannon)定理会导致海量采样数据, 大大增加了存储和传输的代价. 近年来, 一种新兴的压缩传感理论为数据采集技术带来了革命性的突破, 得到了研究人员的广泛关注. 压缩传感采用非自适应线性投影来保持信号的原始结构, 能通过数值最优化问题准确重构原始信号. 压缩传感以远低于奈奎斯特频率进行采样, 在压缩成像系统、模拟/信息转换、生物传感等领域有着广阔的应用前景. 本文主要介绍了压缩传感的基本理论及相关应用, 并对其研究前景进行了展望.  相似文献
2.
Sparse representation and blind source separation of ill-posed mixtures   总被引:12,自引:0,他引:12  
Bofill et al. discussed blind source separation (BSS) of sparse signals in the case of two sensors. However, as Bofill et al. pointed out, this method has some limitation. The potential function they introduced is lack of theoretical basis. Also the method could not be extended to solve the problem in the case of more than three sensors. In this paper, instead of the potential function method, a K-PCA method (combining K-clustering with PCA) is proposed. The new method is easy to be used in the case of more than three sensors. It is easy to be implemented and can provide accurate estimation of mixing matrix. Some criterion is given to check the effect of the mixing matrix A . Some simulations illustrate the availability and accuracy of the method we proposed.  相似文献
3.
结构化压缩感知研究进展   总被引:11,自引:8,他引:3       下载免费PDF全文
刘芳  武娇  杨淑媛  焦李成 《自动化学报》2013,39(12):1980-1995
压缩感知(Compressive sensing,CS)是一种全新的信息采集与处理的理论框架. 借助信号内在的稀疏性或可压缩性,可从小规模的线性、非自适应的测量中通过非线性优化的方法重构信号. 结构化压缩感知是在传统压缩感知基础上形成的新的理论框架,旨在将与数据采集硬件及复杂信号模型相匹配的先验信息引入传统压缩感知,从而实现对更广泛类型的信号准确有效的重建. 本文围绕压缩感知的三个基本问题,从结构化测量方法、结构化稀疏表示和结构化信号重构三个方面对结构化压缩感知的基本模型和关键技术进行详细的阐述,综述了结构化压缩感知的最新的研究成果,指出结构化压缩感知进一步研究的方向.  相似文献
4.
一种新的图像稀疏分解快速算法   总被引:8,自引:0,他引:8  
尹忠科  王建英 《计算机应用》2004,24(10):92-93,96
图像的稀疏表示特别适合于图像的处理,而求得图像稀疏表示的图像稀疏分解的计算量十分巨大。利用基于Matching Pursuit(MP)方法实现的图像稀疏分解算法,采用遗传算法快速寻找MP过程中每一步分解的最佳原子。根据寻找最佳原子的遗传算法的内在特点,提出了一种优化的快速算法。算法的有效性为实验结果所证实。  相似文献
5.
字典学习模型、算法及其应用研究进展   总被引:6,自引:0,他引:6       下载免费PDF全文
稀疏表示模型常利用训练样本学习过完备字典, 旨在获得信号的冗余稀疏表示. 设计简单、高效、通用性强的字典学习算法是目前的主要研究方向之一, 也是信息领域的研究热点. 基于综合稀疏模型的字典学习方法已经广泛应用于图像分类、图像去噪、图像超分辨率和压缩成像等领域. 近些年来, 解析稀疏模型、盲字典模型和信息复杂度模型等新模型的出现丰富了字典学习理论, 使得更广泛类型的信号能够被"简单性"描述. 本文详细介绍了综合字典、解析字典、盲字典和基于信息复杂度字典学习的基本模型及其算法, 阐述了字典学习的典型应用, 指出了字典学习的进一步研究方向.  相似文献
6.
稀疏子空间聚类综述   总被引:5,自引:2,他引:3       下载免费PDF全文
稀疏子空间聚类(Sparse subspace clustering, SSC)是一种基于谱聚类的数据聚类框架. 高维数据通常分布于若干个低维子空间的并上, 因此高维数据在适当字典下的表示具有稀疏性. 稀疏子空间聚类利用高维数据的稀疏表示系数构造相似度矩阵, 然后利用谱聚类方法得到数据的子空间聚类结果. 其核心是设计能够揭示高维数据真实子空间结构的表示模型, 使得到的表示系数及由此构造的相似度矩阵有助于精确的子空间聚类. 稀疏子空间聚类在机器学习、计算机视觉、图像处理和模式识别等领域已经得到了广泛的研究和应用, 但仍有很大的发展空间. 本文对已有稀疏子空间聚类方法的模型、算法和应用等方面进行详细阐述, 并分析存在的不足, 指出进一步研究的方向.  相似文献
7.
Inpainting and Zooming Using Sparse Representations   总被引:5,自引:0,他引:5  
8.
基于Gabor 感知多成份字典的图像稀疏表示算法研究   总被引:5,自引:0,他引:5       下载免费PDF全文
孙玉宝  肖亮  韦志辉  邵文泽 《自动化学报》2008,34(11):1379-1387
如何设计合适的能够匹配各层面几何结构的图像稀疏表示过完备字典, 进而形成对图像的稀疏分解是当前研究者关注的热点问题. 根据图像的几何结构特性, 从人类视觉系统特性出发, 建立了匹配各层面图像结构的Gabor感知多成份字典, 进而提出一种高效的基于匹配追踪的图像稀疏分解算法. 实验结果表明: Gabor感知多成份字典具有对图像中平滑、边缘与纹理结构的自适应性, 与Anisotropic refinement-Gaussian (AR-Gauss)混合字典相比以较少的原子实现了对图像更为高效的稀疏分解.  相似文献
9.
Kernel sparse representation based classification   总被引:4,自引:0,他引:4  
Sparse representation has attracted great attention in the past few years. Sparse representation based classification (SRC) algorithm was developed and successfully used for classification. In this paper, a kernel sparse representation based classification (KSRC) algorithm is proposed. Samples are mapped into a high dimensional feature space first and then SRC is performed in this new feature space by utilizing kernel trick. Since samples in the high dimensional feature space are unknown, we cannot perform KSRC directly. In order to overcome this difficulty, we give the method to solve the problem of sparse representation in the high dimensional feature space. If an appropriate kernel is selected, in the high dimensional feature space, a test sample is probably represented as the linear combination of training samples of the same class more accurately. Therefore, KSRC has more powerful classification ability than SRC. Experiments of face recognition, palmprint recognition and finger-knuckle-print recognition demonstrate the effectiveness of KSRC.  相似文献
10.
Wavelet denoising via sparse representation   总被引:4,自引:0,他引:4  
Wavelet threshold denoising is a powerful method for suppressing noise in signals and images. However, this method often uses a coordinate-wise processing scheme, which ignores the structural properties in the wavelet coefficients. We propose a new wavelet denoising method using sparse representation which is a powerful mathematical tool recently developed. Instead of thresholding wavelet coefficients individually, we minimize the number of non-zero coefficients under certain conditions. The denoised signal is reconstructed by solving an optimization problem. It is shown that the solution to the optimization problem can be obtained uniquely and the estimates of the denoised wavelet coefficients are unbiased, i.e., the statistical means of the estimates are equal to the noise-free wavelet coefficients. It is also shown that at least a local optimal solution to the denoising problem can be found. Our experiments on test data indicate that this new denoising method is effective and efficient for a wide variety of signals including those with low signal-to-noise ratios. Supported by the U.S. National Institutes of Health (Grant No. U01 HL91736), and the National High-Tech Research & Development Program of China (Grant No. 2007AA01Z175)  相似文献
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