پروژه سمینار منظم سازی تصاویر اسپارس

دسته: برچسب: تاریخ انتشار: ۲۱ تیر ۱۳۹۶تعداد بازدید: 27
قیمت محصول

20,000 تومان

جزئیات بیشتر

خلاصه منظم سازی تصاویر اسپارس در این مقاله دو الگوریتم جدید از منظم‌سازی Arnoldi-Tikhonov را بیان می‌کنیم که ویژگی‌های مناسبی را برای sparse reconstruction دارا هستند. ایده اصلی این است که ماتریس منظم‌سازی تعریف شده‌ی پویا (معمولاَ منظم‌سازی با نرم ۲ )، به وسیله منظم‌سازی کلی (general regularization) با نرم p تقریب زده می‌شود(p>1). ماتریس […]

قوانین استفاده

توضیحات محصول
پروژه سمینار منظم سازی تصاویر اسپارس

خلاصه منظم سازی تصاویر اسپارس

در این مقاله دو الگوریتم جدید از منظم‌سازی Arnoldi-Tikhonov را بیان می‌کنیم که ویژگی‌های مناسبی را برای sparse reconstruction دارا هستند. ایده اصلی این است که ماتریس منظم‌سازی تعریف شده‌ی پویا (معمولاَ منظم‌سازی با نرم ۲ )، به وسیله منظم‌سازی کلی (general regularization) با نرم p تقریب زده می‌شود(p>1).

ماتریس منظم‌سازی

ماتریس منظم‌سازی می‌تواند در هر مرحله از تکرار به روز گردد و اجرا شود. در این روند دو روش متفاوت را مطرح می‌کنیم: روش اول بر پایه‌ی کمترین مربعات وزنی بیان گردیده است که می‌توان شامل زیر فضای flexible krylov گردد و روش دوم بر پایه بازخوانی الگوریتم Arnoldi بیان می‌گردد.

مقدمه:
در این مقاله، مسئله‌ی معکوس بدحالت خطی با مقیاس بالا را بررسی می‌کنیم که به فرم زیر بیان می‌گردد:

(۱٫۱) b=Ax+e

فهرست:

  • روش (GAT)Generalized Arnoldi-Tikhonov
  • اصل مغایرت(discrepancy-principle):
  • روش IRLS (Iteratively Reweighted Least Squares)
  • sparse reconstruction
  • TV Reconstruction
  • Flexible-AT Method
  • The Restarting Strategy
  • آزمایش‌های عددی
نمایش بیشتر
دیدگاه های کاربران
دیدگاهتان را با ما درمیان بگذارید
0
بر اساس 0 خرید
0
0
0
0
0

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “پروژه سمینار منظم سازی تصاویر اسپارس”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *