L1正则化相关论文
目的:为了构建一种能够应用于阿尔茨海默病（Alzheimer’s Disease,AD）分类问题和早期轻度认知下降转化问题的机器学习算法,在神经影......
有效的智能故障诊断模型已经成为机械设备故障预测与健康管理的研究热点,故障诊断模型建立的重点工作是学习高分辨率的故障特征,传......
基于传统扩展卡尔曼滤波方法(EKF)的损伤识别过程是一个典型的反问题求解,反问题的不适定性使EKF识别结果容易受噪声干扰,导致EKF......
基于L1正则化方法和模态参数识别结构损伤是健康监测领域的研究热点,但通常能获得的频率阶数有限,且频率对损伤不够敏感,振型测试......
语音特征学习是精神病语音识别方法的核心和关键。深层特征学习可以自动提取语音特征,但受限于小样本问题;传统的特征提取(原始特......
随着计算机性能的提升，神经网络的快速发展，选择合适的网络结构避免前馈神经网络出现的过拟合问题，求取更优的参数一直是研究的重点。......
有限元模型修正是基于结构振动特性进行损伤识别的有效方法之一,国内外研究学者在该领域进行了深入的研究。近十年来,稀疏重构理论......
目前许多大型结构越来越接近结构的寿命期限,如何了解结构的健康状态以便于进行结构寿命预估和改装加固等已经成为了目前亟待解决......
目的利用机器学习算法对阿尔茨海默病(Alzheimer’s disease,AD)病程进行分类,为临床早期诊断AD提供辅助工具。材料与方法将AD病程......
窄束X射线激发发光断层成像（X-ray luminescence tomography imaging,XLCT）是利用某些纳米荧光粒子（phosphor nanoparticles,PNPs）在窄......
图像超分辨率是利用低分辨率图像重建得到高分辨率图像的一种技术。由于受成像设备、环境条件、传输通道限制,往往得到的是低分辨......
受地下介质吸收衰减及环境噪声的影响,地震反射波的频率主要集中在中低频,且频带较窄,信噪比较低.反褶积方法是解决此类问题的重要......
为降低无线传感器网络中核学习机训练时的数据通信代价和节点计算代价,研究了基于筛选机制的L1正则化核学习机分布式训练方法。提......
针对无线传感器网络(WSN)中,经过多跳路由传输训练数据到数据中心进行集中式训练时存在的高数据通信代价问题,基于L1正则化的稀疏......
为了提高盲源分离(blind source separation, BSS)算法在混响和噪声环境下的鲁棒性,提出了一种适用于欠定情况下用于卷积混合信号......
本文的主要内容是研究了稀疏径向基函数神经网络的结构与算法实现,并将其应用于图像和高斯分子表面的表示问题中。基于此,本文就稀......
中医方剂是中医药学的重要组成部分,也是中医临床治病的主要形式和手段.为了"辨证论治",需要从配伍功效出发,研究药组的配伍规则.......
为提高谱聚类算法的鲁棒性,基于稀疏编码在图的构造中提出一种改进L1稀疏表示图模型。将每个样本表示为数据集中其他样本的稀疏线......
COMID（Composite Objective Mlrror Descent）是一种能够保证L1正则化结构的在线算法，其随机收敛速率可由在线算法的regret界直接得到，......
目前基于节点排序的贝叶斯网络分类器忽略了节点序列中已选变量和类标签之间的信息,导致分类器的准确率很难进一步提高。针对这个......
本文研究了一种给定的复杂网络结构识别问题.利用网络结构的稀疏性质,提出了一个带有L1正则化的最小二乘模型.数值仿真表明该算法......
线性回归分类器(LRC)在人脸识别上呈现出了优越的性能,然而,随着每类的训练样本数量增大,LRC的分类速度变得很慢.除此之外,LRC还有......
由于微表情具有持续时间短、发生强度弱、动作幅度小等特点,这使微表情识别面临特征提取困难、识别精度低等挑战.针对其面临的数据......
压缩感知理论的提出,使得小动物三维荧光断层成像中在体肿瘤的稀疏重建成为可能。然而,小动物三维荧光逆向重建过程中系数矩阵的列......
利用凸集分离定理给出了一个L1正则化问题最优解存在的必要性条件....
针对大规模集成电路领域CT重建图像的特点,提出TV约束条件下采用l1范数作正则项的重建模型,并给出了基于Bregman迭代的模型求解算......
本文针对保险公司如何预判断客户续保概率这一问题,依托大数据的条件,综合运用反向传播BP神经网络、变权组合等方法对客户精准画像......
Hinge损失函数是支持向量机（support vector machines，SVM）成功的关键，L1正则化在稀疏学习的研究中起关键作用．鉴于两者均是不可导函数，......
随机梯度下降（stochastic gradient descent,SGD）是一种求解大规模优化问题的简单高效方法,近期的研究表明,在求解强凸优化问题时其......
该文针对单脉冲雷达波束锐化问题,提出一种多通道L1正则化波束锐化方法。首先根据最大后验概率准则推导了适合于单脉冲雷达波束锐......
对于被动源地震数据,运用常规的互相关算法得到的虚拟炮记录中,不仅含有一次波反射信息,还包括了表面相关多次波.然而,通过传统的......
提出了一种新的应用于稀疏信号重构的加速动量梯度投影法.该方法是把负梯度方向与动量项的凸组合作为搜索方向,步长采取滞后最速下......
结构损伤识别方程组求解往往会遇到方程病态问题,通常需采用正则化手段等求解。基于L1正则化方法的损伤识别方法,能很好地利用结构......
针对目前车牌去运动模糊算法的估计模糊核过程复杂、复原质量低等问题,提出一种基于生成对抗网络的车牌去运动模糊算法。运用深度......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
考虑到基于2范数的正则化算法存在对结构识别结果过度光滑的效果,提出了基于模态振型与L1正则化的损伤识别方法。以一2D简支梁有限......
提出了一种结合摄动法和L1正则化方法的随机梁式结构静力损伤识别方法。考虑初始模型误差和测量误差的影响,建立了关于随机损伤指......
针对传统金属材料缺陷检测存在的弊端,结合当前的电磁层析成像技术,提出一种基于L1的正则化图像重建方案。在该方案中,根据电磁层......
针对不完全投影数据图像重建中出现伪影和噪点的问题,提出了L1与TV同时进行正则化的图像重建模型。基于该重建模型,通过将Bregman......
目的:提出一种新型的超分辨超声(super-resolution ultrasound,SR-US)成像方法,以进一步提升SR-US成像的空间分辨力及计算效率。方......
机器学习算法已广泛应用于财务危机预警建模。然而，随着对机器学习算法的不断深入研究，发现其在构建模型时存在过拟合和模型系数非稀......
首先基于对L1正则化方法的介绍,将L1正则化应用到经济高质量增长模型中,用Lasso回归中的最小角回归方法筛选出对经济高质量增长影......
针对传统的基于森林优化算法的特征选择算法在初始化阶段、候选森林生成阶段和更新阶段存在的问题,提出了一种新的基于森林优化算......
提出了基于l1正则化的多通道滑动聚束合成孔径雷达（synthetic aperture radar,SAR）稀疏成像算法。该方法将偏置相位中心天线（displace......
将L1正则化方法应用到地震谱反演的实现中，验证了谱反演方法在拓宽频谱宽度、提高分辨率上的可行性。对谱反演中L1正则化解的稀疏性......
智能电网(Smart Grid)的发展和安全运营与信息通信技术的支持密不可分。宽带无线通信网络具有接入灵活、业务支撑能力强、投资成本......
随着经济的发展,世界范围内高层结构的数量越来越多,高层结构涉及到了住宅、商业、办公等各个领域,与人类息息相关。此外,因长期受......
以稀疏学习为主线,从多阶段、多步骤优化思想的角度出发,对当前流行的L1正则化求解算法进行分类,比较基于次梯度的多步骤方法、基......
目的比较L1正则化、L2正则化和弹性网三种惩罚logistic回归对SNPs数据的变量筛选能力。方法根据所设置的参数生成不同条件的SNPs仿......
