稀疏
稀疏技术在信号处理与机器学习领域扮演着重要角色，通过优化算法减少数据冗余，提高计算效率和模型性能。广泛应用于图像压缩、自然语言处理及大规模数据分析中。掌握稀疏表示方法不仅能够帮助工程师解决实际问题时获得更优解，还能促进跨学科研究的发展。访问本页面，探索251个精选资源，深入理解稀疏编码原理及其应用案...
资源总数
271
稀疏 全部资料 271 份
稀疏矩阵(SparseMatrix)：是矩阵中的一种特殊情况
稀疏矩阵(SparseMatrix)：是矩阵中的一种特殊情况，其非零元素的个数远小于零元素的个数。 设m行n列的矩阵含t个非零元素.以二维数组表示高阶的稀疏矩阵时，会产生零值元素占的空间很大且进行了很多和零值的运算的问题。
2014-01-13
77
由图像的稀疏分解重建图像的快速算法
针对由图像的稀疏分解结果重建图像的速度极其缓慢这一问题，研究了表示图像的原子的能量分布特性。利用了表示图像内容的绝大部分原子的能量分布具有非常集中的特点，提出了由分解后的原子参数重建图像的快速算法。该
2023-12-02
10
基于稀疏性的欠定语音盲分离方法研究
· 摘要： 针对源信号增多导致语音信号稀疏性变差的问题,提出一种新的基于稀疏性的混合矩阵估计方法,利用主分量分析(PCA)检测只有一个源信号存在的时频点并用于估计混合矩阵,从而提高了估计性能,特别适用于欠定语音盲分离....
2024-09-28
6