光滑L0范数相关论文
深度学习网络模型作为一种新型的多层神经网络模型,拥有强大的复杂数据表示能力,已经引起了不同领域学者的广泛关注.在深度学习的......
研究压缩感知的重构算法,分析了平滑l0(smoothed l0,SL0)的理论基础.SLO算法通过利用平滑的高斯函数去逼近l0范数,将重构中的l0范数最小......
为改善单帧降质图像的分辨率水平,提出了一种新的基于稀疏表示的学习法超分辨率图像重构方法。针对信号在既定的欠定超完备字典下......
为改善L1范数广义逆波束形成性能,提出了一种光滑L0范数广义逆波束形成算法。该算法充分利用L0范数能充分反映单极子噪声源信号稀......
基于光滑l0范数最小的压缩感知重建算法——SL0算法,通过引入光滑函数序列去逼近l0范数,从而将l0范数最小的问题转化为光滑函数的......
SL0算法是一种基于近似L0范数的压缩感知信号重建算法,它采用最速下降法和梯度投影原理,逐步逼近最优解,具有匹配度高、重建时间短......
光滑l0范数算法用带参数的高斯光滑函数序列逼近l0范数,可以用于压缩感知信号重构。块稀疏信号是一种典型的稀疏信号,它的非零元素......