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   5篇
  免费   1篇
科学研究   1篇
综合类   5篇
  2024年   1篇
  2021年   1篇
  2020年   1篇
  2018年   1篇
  2016年   1篇
  2013年   1篇
排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
采用非局部均值,全变差正则化和稀疏编码,提出一种新的单幅图像超分辨率重建方法.首先,用非局部均值方法对低分辨率图像进行去噪处理,可保证几何结构的一致性.然后,将去噪后的低分辨率图像代入重建模型得到高分辨率图像的低频分量,而高分辨率图像的高频分量则通过学习的方法在数据库中查找得到.将得到的低频分量与高频分量相加得到初始的高分辨率图像的恢复结果.最后对初始的恢复图像进行一些全局优化即可得到最终恢复的高分辨率图像结果.实验结果证明该方法得到的高分辨率图像结果具有鲁棒性且更自然.  相似文献   
2.
大型科学仪器是重要的科技资源,对大型科学仪器利用情况做出综合评价是合理配置及有效管理仪器设备的基础。秩和比(Rank-sum ratio,RSR)方法是一种集参数统计与非参数统计各自优点于一体的统计分析方法,能够对多单元多属性数据进行综合评价。以国家科技部平台中心主持项目"我国大型仪器资源现状调查"(2009)相关数据为基础,参考秩和比方法的基本原理,创建秩和模型,从定量的角度对我国大型仪器的利用情况进行综合评价。通过分析可以看出评价结果综合全面,对于摸清我国大型仪器利用状况,促进大型仪器功能发挥的相关管理政策和制度的提出有重要借鉴价值。  相似文献   
3.
近年来,基于图像增广和一致性正则化的半监督学习(semi-supervised learning, SSL)方法被广泛应用并取得了很大的成功。然而,由于伪标签算法存在"认知偏误"问题,即模型的错误通过伪标签累积从而难以改正,因此很少有人关注基于伪标签(pseudo-labeling, PL)的半监督学习方法。提出一种特征图的原型图注意力特征修正模型(prototype attention layer, PAL):即在神经网络映射的特征空间上学习一个图注意力模型,将此模型应用于特征空间中,可以充分利用原型的信息来修正特征,将修正后的特征所产生的伪标签与原型分配产生的伪标签随机线性组合,从而得到新的伪标签。将这一模型应用到2种伪标签半监督学习框架上所得到的算法(prototype attention improved pseudo-labeling,PAIPL),在CIFAR-10和CIFAR-100的多个半监督分类问题上进行测试,分类准确率都得到了显著提升。特别地,将提出的修正模型应用于伪标签半监督学习PLCB框架时,又提出相互混合的监督技术,从而取得了更好的效果。还将提出的模型应用到其他多个伪标签半监督学习框架上,并在多个数据集上进行实验,验证了所提出的模型作为一个附加模块是普适且有效的。  相似文献   
4.
近些年来,众多学者提出基于新步长选择策略的加速梯度投影算法求解大规模优化问题。本文针对线性约束二次规划问题提出两种基于新步长的梯度投影算法。一种是基于采用自适应线搜索和Barzilai-Borwein步长的非单调投影算法。另一种是基于Yuan步长的单调投影算法。在较弱的假设条件下,给出这两种算法的全局收敛性。数值实验表明新算法比传统的梯度投影算法求解效率更高。  相似文献   
5.
二次指派问题(QAP)属于NP-hard组合优化问题,在现实生活中有着广泛应用。目前相对成熟的启发式算法通常以问题为导向来设计定制化算法,缺乏迁移泛化能力。为提供一个统一的QAP求解策略,将QAP问题的流量矩阵及距离矩阵抽象成两个无向完全图并构造相应的关联图,从而将设施和地点的指派任务转化为关联图上的节点选择任务,基于actor-critic框架,提出一种全新的求解算法ACQAP。首先,利用多头注意力机制构造策略网络,处理来自图卷积神经网络的节点表征向量;然后,通过actor-critic算法预测每个节点被作为最优节点输出的概率;最后,依据该概率在可行时间内输出满足目标奖励函数的动作决策序列。该算法摆脱人工设计,且适用于不同规模的输入,更加灵活可靠。实验结果表明,在QAPLIB实例上,本算法在精度媲美传统启发式算法的前提下,迁移泛化能力更强;同时相对于NGM等基于学习的算法,求解的指派费用与最优解之间的偏差最小,且在大部分实例中,偏差均小于20%。  相似文献   
6.
点集匹配是计算机视觉和模式识别中的重要问题,在目标识别、医学图像配准、姿态估计等方面都得到广泛应用。提出基于机器学习的端对端模型——multi-pointer network(MPN)来解决点集匹配问题。该网络模型利用多标签分类的思想,改进pointer network。以前的模型只输出输入序列的一个元素,而MPN模型选择输入序列中的一组元素作为输出。首先,把点集匹配问题转换为序列问题。这样,网络的输入为顶点的坐标序列,输出为点对之间的对应关系。利用这种方式,可以解决相对于整个空间的平移变换和其他大幅度的刚性变换。实验结果表明,模型也可以被推广解决其他带结构的组合优化问题,如三角剖分等。  相似文献   
1
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