项目名称: 非线性稀疏表示理论及其应用研究

项目编号: No.61201337

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 王卫威

作者单位: 中国人民解放军国防科学技术大学

项目金额: 26万元

中文摘要: 项目研究非线性稀疏表示及其应用问题。稀疏表示在自然信号处理领域得到广泛应用,但其本质思想与处理目标也可应用到其它领域。在分析与总结现有稀疏表示方法局限与待解决问题的基础上,提出非线性稀疏表示理论,主要研究内容包括:构造单目标非线性稀疏表示模型,并分析模型性质与设计求解算法,突破现有稀疏表示理论的线性局限,扩展应用范围;构造多目标非线性稀疏表示模型并设计求解算法,改变现有稀疏表示理论的单一处理目标局限,并解决现有模型处理性能存在不确定性的问题;将处理目标与非线性稀疏表示模型求解过程相结合,研究模型超参数的自适应求解方法与设计模型最优性能的求解过程。在航天测控资源优化配置与基于参数化模型的图像重构领域对所研究的理论与方法进行应用,通过应用开拓理论,以理论扩展应用。项目在非线性稀疏表示模型与求解算法方面可望进行较大突破,并扩展应用领域范围,具有较强的理论与实际意义。

中文关键词: 变参数正则化模型;自适应求解;航天测控资源配置;多幅SAR图像;

英文摘要: This project is to research the problem of non-linear sparse representation and its applications. Sparse representation has already been userd widly in natural signal process, yet its kernel ideology and processing objective can also be used in other domains. Based on analysis and conclusion of the limitation and problems to be solved of existing sparse representation method, the theory of non-linear sparse representation is proposed, mainly including:1) constructing the single objective non-linear sparse representation model, analyzing its characteristics and designing the solving algorithms to break through the linearity limitations of sparse representation theory in existence and extend its application domains; 2) constructing the multi-objective non-linear sparse representation model and designing the solving algorithms to make up the shortage of current sparse representation theory which can only deal with single-objective and to solve the problem of processing performance uncertainty in current model; 3) Combining the objective and solving procedure of non-linear sparse representation model to study the self-adaptive solving method for the model with unknown hyper-parameters and design the solving procedure for optimal performance of the model. The proposed theory and method will be applied in the domains

英文关键词: varying parameter regularization model;adaptive solving;TT&C resources allocation;multiple SAR images;

成为VIP会员查看完整内容
1

相关内容

逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
40+阅读 · 2021年7月24日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
29+阅读 · 2021年4月12日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
30+阅读 · 2021年1月9日
专知会员服务
45+阅读 · 2020年11月13日
NeurIPS 2021 | 微软亚洲研究院机器学习领域最新研究一览
微软研究院AI头条
0+阅读 · 2021年12月8日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
贝叶斯机器学习前沿进展
机器学习研究会
21+阅读 · 2018年1月21日
国家自然科学基金
10+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
13+阅读 · 2021年10月22日
Arxiv
18+阅读 · 2021年3月16日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
小贴士
相关VIP内容
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
40+阅读 · 2021年7月24日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
29+阅读 · 2021年4月12日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
30+阅读 · 2021年1月9日
专知会员服务
45+阅读 · 2020年11月13日
相关资讯
NeurIPS 2021 | 微软亚洲研究院机器学习领域最新研究一览
微软研究院AI头条
0+阅读 · 2021年12月8日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
贝叶斯机器学习前沿进展
机器学习研究会
21+阅读 · 2018年1月21日
相关基金
国家自然科学基金
10+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
微信扫码咨询专知VIP会员