用于压缩感知信号重建的SL0改进算法

SL0算法是一种基于近似l₀范数的压缩感知信号重建算法,其思想是用一个光滑函数来近似l₀范数,然后求解一个优化问题。目前采用的光滑函数都是高斯函数族,文中突破了以往采用高斯函数族近似l₀范数,提出了采用复合三角函数作为近似估计l₀范数的函数,然后结合修正牛顿法和阻尼牛顿法提出一种更精确的重建算法DNSL0。实验结果表明,在相同测试环境下,DNSL0算法在峰值信噪比和匹配度方面比SL0算法和NSL0算法都有了大幅提高。     

基于ELM理论的昆虫分类

机器视觉技术应用在昆虫分类领域,取代传统人眼观察识别过程、提高了工作效率。自动识别技术包含昆虫特征提取和分类器设计两个主要步骤。根据整个识别过程,文中提出了一种基于混合特征的ELM理论昆虫识别方法。在特征提取阶段,提取混合特征包括颜色特征、形态特征、空域纹理特征和频谱纹理特征。在分类器设计阶段采用具有学习速度快且泛化性能好的极限学习机。实验结果表明,该方法使昆虫识别的正确率达到97%,且分类器训练时间短,优于传统的自动识别方法。