简介：为克服光学相控阵单元间隔必须小于工作波长二分之一的限制，构建了一种稀疏光学相控阵模型。分析了一维稀疏光学相控阵在近场和远场条件下的扫描原理，并提出了一种设计方法。对其相关参数进行仿真的结果表明：稀疏光学相控阵所用的单元数目较少，单元间隔远大于工作波长，扫描范围较大，波束宽度较窄，且在整个扫描空间内没有栅瓣。因此，稀疏光学相控阵单元间隔不受工作波长的限制，同时具有较好的扫描性能。

简介：本文讨论一类人寿保险的风险过程，其中保单到达服从齐次Poisson过程。而描述退保及索赔发生的计数过程分别为这一过程的q-稀疏与p-稀疏．对此模型给出其破产概率的具体上界，并与其它一类风险模型进行比较．

简介：

简介：针对线性非负约束的稀疏信号重建问题,提出了基于线性规划的求解方法,充分考虑到信号的各种结构.通过图像仿真试验对比了该方法与传统方法,试验表明该方法性能更佳,可广泛应用于图像降噪、图像去模糊和医疗成像等.

简介：传统Robinson褶积模型主要受缚于三种不合理的假设,即白噪反射系数、最小相位地震子波与稳态假设,而现代反射系数反演方法（如稀疏约束反褶积等）均在前两个假设上寻求突破的同时却忽视了一个重要事实：实际地震信号具有典型的非稳态特征,这直接冲击着反射系数反演中地震子波不随时间变化的这一基础性假设。本文首先通过实际反射系数测试证实,非稳态效应造成重要信息无法得到有效展现,且对深层影响尤为严重。为校正非稳态影响,本文从描述非稳态方面具有普适性的非稳态褶积模型出发,借助对数域的衰减曲线指导检测非稳态影响并以此实现对非稳态均衡与校正。与常规不同,本文利用对数域Gabor反褶积仅移除非稳态影响,而将分离震源子波和反射系数的任务交给具有更符合实际条件的稀疏约束反褶积处理,因此结合两种反褶积技术即可有效解决非稳态特征影响,又能避免反射系数和地震子波理想化假设的不利影响。海上地震资料的应用实际表明,校正非稳态影响有助于恢复更丰富的反射系数信息,使得与地质沉积和构造相关的细节特征得到更加清晰的展现。

简介：在计算机图形学中有一个重要的算法：对某个闭合图形区域填充。目前一般商业软件中都是使用了保留版权的工具或者函数库的函数，比如在TC有floodfill（intx．inty．intborder），在VC的CDC中有FloodFill（intx．inty．COLORREFcrColor），但这些工具或函数仅仅向用户提供了一个接口调用方式，具体实现方法却未曾透露，在网上查找相关文库后也是语焉不详，实际使用时其实用性不好。比如需要渐变填充时，这种函数的用处就几乎不存在。实际上，这个问题涉及到01稀疏矩阵的相关算法。本文拟揭示其实现过程。文章处理过程中以字节表示01稀疏矩阵，填充闭合区域的具体实现过程中分为两步：（1）边界的表示算法（拟以向量法或者双向链表），边界是否闭合的判别；（2）区域内外点的判别算法，主要提供了两种算法：射线法及渗水法；（3）区域填充算法。

简介：利用C语言强大的图形功能设计程序，动态模拟稀疏矩阵的转置过程，使这一过程变得形象直观．其目的是使抽象的数据结构算法易学、易懂；提高初学《数据结构》的学生的学习兴趣，使其能更好地理解数据结构的算法．

简介：稀疏表示是近年来新兴的一种数据表示方法,是对人类大脑皮层编码机制的模拟。稀疏表示以其良好的鲁棒性、抗干扰能力、可解释性和判别性等优势,广泛应用于模式识别领域。基于稀疏表示的分类器在人脸识别领域取得了令人惊喜的成就,它将训练样本看成字典,寻求测试样本在字典下的最稀疏的表示,即用尽可能少的训练样本的线性组合来重构测试样本。但是经典的基于稀疏表示的分类器没有考虑训练样本的类别信息,以致被选中的训练样本来自许多类,不利于分类,因此基于组稀疏的分类器被提出。组稀疏方法考虑了训练样本的类别相似性,其目的是用尽可能少类别的训练样本来表示测试样本,然而这类方法的缺点是同类的训练样本或者同时被选中或者同时被丢弃。在实际中,人脸受到光照、表情、姿势甚至遮挡等因素的影响,样本之间关系比较复杂,因此最后介绍局部加权组结构稀疏表示方法。该方法尽量用来自于与测试样本相似的类的训练样本和来自测试样本邻域的训练样本来表示测试样本,以减轻不相关类的干扰,并使得表示更稀疏和更具判别性。

简介：过完备稀疏表示模型是继小波变换和多尺度几何分析之后图像表示理论最重要的理论成果,给图像处理带来新的研究思路。本文在该模型下研究典型图像复原问题,以图像修复为应用实例,研究模型求解方法并进行仿真实验,实验结果验证了稀疏表示处理图像复原问题的有效性。

简介：本文考虑一类人寿保险，保费到达为Poisson过程，索赔到达为户一稀疏过程，我们推导三特征的联合分布函数；破产时间，破产概率，破产前的盈余，破产赤字，并由这联合分布得破产概率的显示表达式.

简介：本体作为一种高效的语义模型,被广泛应用于工程科学的各个领域,而语义相似度计算是本体算法的核心内容.利用本体稀疏向量得到本体相似度计算的策略可用于高维数据和大数据处理.因此,考虑在非线性框架下的本体稀疏向量计算算法,用平方亏损函数表示误差项,通过近端梯度的计算得到对应的迭代策略.最后,通过两个实验来说明该本体稀疏向量学习算法对于特定的工程应用中本体相似度计算和本体映射是有效的.

简介：针对米波雷达由于波束宽和地面反射多径引起的测高难题，提出一种基于稀疏解的米波雷达低仰角测高法。该方法首先构造基于类-P范数稀疏度和2-范数约束的代价函数，通过迭代方法最小化代价函数得到稀疏解，最后由尺寸远大于阵元数的稀疏解估计目标仰角和高度。与传统的高分辨算法相比，该方法对信噪比和快拍数要求不高、无需特征值分解和多维搜索过程，具有较高的分辨率和极低的旁瓣电平。计算机仿真和实测数据的处理结果验证了该算法的有效性。

简介：摘要: 本文提出了一种新的特征提取方法，称为稀疏判别保持投影（Sparse Discriminant Preserving Projection，SDPP）。SDPP首先通过最小化l1正则相关的目标函数来保持数据的稀疏重构关系。然后，利用类别信息构建类内图和类间图。最后，以最大化类间散度与类内散度的比率来寻求最优投影矩阵。在Yale公开人脸数据库上的实验结果表明，利用SDPP特征提取后的分类性能优于经典的CRP和SPP算法。

简介：摘要：海洋环境是典型的强杂波环境，当使用地波雷达探测海上目标时，回波会与来自海洋各种尺度的海浪（海杂波）的散射回波的干扰混合在一起。海杂波干扰的一阶分量的幅度非常大，极易超过或等于目标的检测阈值，使其易于产生漏警和虚警。传统的海杂波抑制方法譬如动目标指（MovingTargetIndication，MTI），动目标检测（MovingTargetDetection，MTD）等方法依靠的是多普勒效应，通过提取目标与杂波的径向速度，算出他们的不同多普勒频移。但是实际情况下的海杂波多普勒频谱很宽，目标信号往往陷入海杂波多普勒频宽中导致检测不力。此时采用MTI、MTD等方法很难检测成功。近年来，有学者将原本用于解构自然图像的稀疏理论引入海杂波的研究中，取得了一定成果。

简介：在勘探初期测井数据较少,不足以支持有监督学习.采用深度学习中的稀疏自编码方法对地震数据进行无监督学习,通过逻辑回归,利用少量的岩性解释资料做有监督微调,以达到对工区中的地震数据进行岩性体识别.识别结果表明,该方法优于传统的波阻抗识别方法,能有效识别储层中的有利岩性.

简介：摘要： 通过对准光学谐振腔的重要参数的研究，结合微波仿真软件计算，设计了只有主模式TEM00q模式存在，频率梳干净的双凹腔结构。对按照计算研制的X波段双凹腔实验装置进行了测试，测试结果与理论计算结果基本一致，这将为我们在使用准光学谐振腔进行介质材料性能测试方面提供了必要的条件，下一步将进行的X波段双凹腔介质材料的介电性能测试方面的研究。

简介：Gabor变换和S变换是常用的时频分析工具。根据测不准原理,它们的时频分解结果无法在时间域和频率域同时具有很高的分辨率。为了提高非平稳信号时频分解结果的分辨率,本文提出瞬时频率分布函数（IFDF）并利用它表达非平稳信号。当非平稳信号时频成分的分布满足测不准原理对信号可分辨的要求时,瞬时频率分布函数的支集和短时Fourier变换的小波脊支集是同一个集合。利用IFDF的该特征,本文提出一种迭代算法（Sparse-STFT）实现了信号的稀疏时频分解。该算法在每次迭代过程中利用残留信号的短时Fourier变换结果的脊支集更新信号的时频成分,每次迭代得到的时频成分的叠加结果即为最终的稀疏时频分解结果。文中的数值实验证明了Sparse-STFT可以有效地提高非平稳信号时频分解结果的分辨率。最后,本文将该方法应用于地震数据面波的压制中,取得了理想的处理结果。

简介：为提高信号稀疏分解的速度,提出了一种基于人工鱼群优化的MP信号稀疏分解算法。该算法先利用模拟退火算法来快速寻找MatchingPursuit（MP）过程每一步的最优原子,然后采用人工鱼群算法优化稀疏分解,仿真实验结果表明在分解中不需要存储整个冗余字典,降低了算法的空间复杂度,从而能有效和快速地进行信号稀疏分解。

简介：摘 要： 我国目前新建桥梁速率及数量位居世界第一，于此同时，越来越多的在役桥梁的运营状况趋于非健康状态。对在役桥梁的结构进行实时监测，不仅能够对结构的安全状态和性能进行及时评估，而且能够在桥梁垮塌等突发事故前对其结构可能存在的安全隐患进行预知。本文借用多尺度系统分析理论，在时间多尺度下对桥梁动挠度提出基于稀疏表示的分离方法。

简介：针对分布式压缩感知中联合稀疏信号的重构问题,在分析了信号群与联合稀疏模型（JSM）基础上,利用JSM-2型联合稀疏信号在子空间内的投影特性,提出了一种多重子空间追踪重构算法.仿真结果表明,该算法在降低计算复杂度的同时可有效确保联合稀疏信号重构准确率.