稀疏表示（sparse representation）是目前计算机视觉、模式识别、信号处理等领域非常热门的研究方向。稀疏表示是获取、表示和压缩高维信号的有效工具。
基于329个网页-相关网页
Sparse Representation Classification 稀疏表示分类算法
Gabor Sparse Representation Classification 稀疏表征分类
Sparse Representation-based Classification 稀疏表示人脸识别算法
local sparse representation 局部稀疏表示
image sparse representation 图像的稀疏表示
adaptive sparse representation 自适应稀疏表示
sparse representation and decomposition 稀疏表示和分解
sparse signal representation 稀疏信号表示
sparse matrix representation 稀疏矩阵表示法
Aiming at the high alarm rate and poor robustness in the existing intrusion detection algorithms, this paper proposes a cooperative intrusion detection algorithm based on sparse representation.
针对现有入侵检测算法误报率较高和鲁棒性较差的问题，提出一种基于稀疏表示的协同入侵检测算法。
参考来源 - 基于稀疏表示的协同入侵检测算法The graph in SDA is constructed by sparse representation and incorporate semi-supervised discriminant analysis(SSDA),thus the local structure information is automatically modeled,and with the natural discriminative power of sparse representation,SDA can get better performance only resorting to few extra unlabeled samples.
SDA引入稀疏表述并结合半监督判决分析SSDA,通过稀疏重构处理,获得图像的局部结构信息,且由于稀疏表述本身具有的判决性,SDA只需很少样本就能获得较好的效果。
参考来源 - 稀疏判决分析在表情识别中的应用In order to maximize the robustness to occlusion, we introduce transverse partition scheme, apply random projection and sparse representation to each of the blocks and aggregate the results by mean value of the discrimination factor.
同时,为了达到对于遮掩的极大鲁棒性,采取图像横向四等分策略,在各等分块上分别进行随机投影和稀疏表征,以四块平均判据值进行分类识别。
参考来源 - 基于随机投影和稀疏表征的红外人脸识别方法Experimental results show the result is superior to that of wavelet’s. For singularities alone curves, curvelets can give sparse representation.
对具有曲线奇异性的目标，曲线波能对其进行稀疏表示。
参考来源 - 多尺度分析在图像处理中的应用研究Sparse component analysis (SCA) is a method of signal processing based on sparse representation.
一般的信号在时域中并不是稀疏的，因此在很多应用中需要寻找有效的稀疏表征来进行信号处理。
参考来源 - 欠定混叠语音信号盲分离方法研究·2,447,543篇论文数据，部分数据来源于NoteExpress
The directional wavelet theory provides a novel sparse representation method for image processing, and it can capture geometrical image structures more efficiently.
方向性小波理论为图像处理提供了一种新的稀疏表示方法，能够更有效地捕捉图像中的几何结构。
As a novel signal processing method, adaptive sparse representation has a merit of representing signal flexibly and can de-noise effectively when maintaining features of targets.
自适应稀疏表示，作为一种新的信号处理方法，具有表达信号灵活的特点，能够在保持目标特征的同时有效地去除噪声。
And focus on researching the second generation Curvelet sparse representation.
着重研究第二代Curvelet多尺度几何分析，对信号进行稀疏表示。
应用推荐