توضیحات مختصر 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
تعداد دیدگاه : 1
امتیاز کلی : 0.0
توصیه خرید : 0 نفر
قیمت محصول
تومان20.000
ساناز
در تاریخ
با سلام
ببخشید محصول در حد تئوری هست یا توی محیطی مثل متلب یا پایتون پیاده سازی شده؟
قاسم هاشمی
مدیردر تاریخ
سلام
الگوریتم ها باز شده
توضیح کامله
کدنویسیش هم بر اساس همون انجام شده
چون دقیقا خودم رشتم علوم کامپیوتر و پردازش تصویره و انجامش دادم
ولی پیاده سازیشو نگذاشتم
چون یه بخشی از مقالمه که در حال چاپه