期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于外码分块编码的BATS码度优化
1
作者
杨柳
阴慧颖
+2 位作者
马征
刘恒
王士恒
《西南交通大学学报》
北大核心
2026年第1期156-166,共11页
为解决分批稀疏码(BATS码)在现有外码分块编码方案下,外码随机分批导致的数据重复译码及资源浪费问题,系统地研究基于外码分块编码方案的BATS码理论批次数优化与动态适应性问题.首先,在已知丢包率的条件下,构建BATS码批次数消耗分析模型...
为解决分批稀疏码(BATS码)在现有外码分块编码方案下,外码随机分批导致的数据重复译码及资源浪费问题,系统地研究基于外码分块编码方案的BATS码理论批次数优化与动态适应性问题.首先,在已知丢包率的条件下,构建BATS码批次数消耗分析模型,并推导得出最优度值的计算方法,以此应对现有方案在计算理论批次数以及确定最小化批次数消耗的最优度值方面所面临的挑战;其次,针对信道丢包率未知的场景,提出一种基于强化学习的BATS码动态度优化方法,借助智能学习机制,在丢包率未知的情况下实时获取度值;最后,通过仿真实验对所构建的理论模型和提出的动态优化方法进行评估.理论分析结果显示,所构建的基于外码分块的传输模型及其理论批次数计算公式能够精准计算批次数消耗并确定最优度值.仿真结果进一步证明,在丢包率未知的场景下,所提出的强化学习优化方案的平均批次数消耗低于固定度值方案,且在动态信道环境中能够保持良好的性能表现.
展开更多
关键词
分批稀疏码
分块码
传输次数
强化学习
在线阅读
下载PDF
职称材料
基于快速稀疏表示的医学图像压缩
被引量：
6
2
作者
赵海峰
鲁毓苗
+1 位作者
陆明
陈思宝
《计算机工程》
CAS
CSCD
2014年第4期233-236,共4页
随着数字医学图像数据量的日益增大,有必要采取一定的图像压缩技术进行压缩存储。为此,提出基于快速稀疏表示的医学图像压缩方法。使用K-奇异值分解算法构造医学图像过完备字典,采用批量正交匹配追踪(Batch-OMP)算法进行稀疏编码。该方...
随着数字医学图像数据量的日益增大,有必要采取一定的图像压缩技术进行压缩存储。为此,提出基于快速稀疏表示的医学图像压缩方法。使用K-奇异值分解算法构造医学图像过完备字典,采用批量正交匹配追踪(Batch-OMP)算法进行稀疏编码。该方法只需要存储稀疏编码非零位置的系数信息,利用过完备字典即可实现原始医学图像的重构。实验结果表明,该方法可提高图像稀疏编码的速度,与正交匹配追踪(OMP)算法相比可提速40%左右,并且图像重构效果优于联合图像专家组(JPEG)算法和多级树集合分裂(SPIHT)算法的压缩效果,相对JPEG压缩的图像峰值信噪比平均提高18%,相对SPIHT算法平均提高50%。
展开更多
关键词
稀疏表示
医学图像压缩
K—SVD算法
稀疏编码
OMP算法
Batch—OMP算法
在线阅读
下载PDF
职称材料
结合Shortcut Connections结构的卷积稀疏编码图像去噪算法
被引量：
4
3
作者
张膑
张运杰
白明明
《科学技术与工程》
北大核心
2021年第26期11253-11262,共10页
卷积稀疏编码网络模型(convolutional sparse coding network,CSCNet)虽然能够有效解决去噪问题,但是该算法并没有考虑到迭代求解近似编码向量过程中卷积层、反卷积层之间的叠加会改变原始数据分布方式。为解决该问题,借鉴深度学习领域...
卷积稀疏编码网络模型(convolutional sparse coding network,CSCNet)虽然能够有效解决去噪问题,但是该算法并没有考虑到迭代求解近似编码向量过程中卷积层、反卷积层之间的叠加会改变原始数据分布方式。为解决该问题,借鉴深度学习领域常用方法对原始模型进行改进。讨论了在CSCNet模型中加入以及不加入批处理标准化(batch normalization,BN)、非线性激活函数、残差学习(residual learning,RL)对模型图像去噪效果的影响,然后再此基础上分别设计了两个不同的网络模型结构。为使输入数据分布方式不因模型层与层之间传播而改变,模型1是在原始CSCNet网络的每一层加入非线性激活函数以及BN层。CSCNet模型中所训练的卷积核都是同样大小,为增加图像特征的多样性,模型2在模型1基础之上加入了简单残差块结构改变了原始模型参数传播方式,并将其通过Shortcut Connections结构与原始输入联结起来。从实验结果可以看出,在不降低原始模型计算效率的前提下,使用文中设计的模型所得去噪后的结果相比原卷积稀疏编码网络略有提升。
展开更多
关键词
稀疏编码
卷积稀疏编码
批处理标准化
残差学习
在线阅读
下载PDF
职称材料
题名
基于外码分块编码的BATS码度优化
1
作者
杨柳
阴慧颖
马征
刘恒
王士恒
机构
西南交通大学信息科学与技术学院
西南交通大学综合交通大数据应用技术国家工程实验室
西南交通大学唐山研究院
出处
《西南交通大学学报》
北大核心
2026年第1期156-166,共11页
基金
国家自然科学基金项目(U2268201,62020106001)。
文摘
为解决分批稀疏码(BATS码)在现有外码分块编码方案下,外码随机分批导致的数据重复译码及资源浪费问题,系统地研究基于外码分块编码方案的BATS码理论批次数优化与动态适应性问题.首先,在已知丢包率的条件下,构建BATS码批次数消耗分析模型,并推导得出最优度值的计算方法,以此应对现有方案在计算理论批次数以及确定最小化批次数消耗的最优度值方面所面临的挑战;其次,针对信道丢包率未知的场景,提出一种基于强化学习的BATS码动态度优化方法,借助智能学习机制,在丢包率未知的情况下实时获取度值;最后,通过仿真实验对所构建的理论模型和提出的动态优化方法进行评估.理论分析结果显示,所构建的基于外码分块的传输模型及其理论批次数计算公式能够精准计算批次数消耗并确定最优度值.仿真结果进一步证明,在丢包率未知的场景下,所提出的强化学习优化方案的平均批次数消耗低于固定度值方案,且在动态信道环境中能够保持良好的性能表现.
关键词
分批稀疏码
分块码
传输次数
强化学习
Keywords
batched
sparse
(
bats
)
code
code
block
transmission time
reinforcement learning
分类号
TN911.22 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于快速稀疏表示的医学图像压缩
被引量：
6
2
作者
赵海峰
鲁毓苗
陆明
陈思宝
机构
安徽大学计算机科学与技术学院
安徽省工业图像处理与分析重点实验室
出处
《计算机工程》
CAS
CSCD
2014年第4期233-236,共4页
基金
国家自然科学基金资助项目(61272152
61202228
+3 种基金
61300057)
安徽省自然科学基金资助项目(1208085MF109)
2013年留学人员科技活动择优基金资助项目
安徽省高校自然科学研究基金资助重点项目(KJ2013A007)
文摘
随着数字医学图像数据量的日益增大,有必要采取一定的图像压缩技术进行压缩存储。为此,提出基于快速稀疏表示的医学图像压缩方法。使用K-奇异值分解算法构造医学图像过完备字典,采用批量正交匹配追踪(Batch-OMP)算法进行稀疏编码。该方法只需要存储稀疏编码非零位置的系数信息,利用过完备字典即可实现原始医学图像的重构。实验结果表明,该方法可提高图像稀疏编码的速度,与正交匹配追踪(OMP)算法相比可提速40%左右,并且图像重构效果优于联合图像专家组(JPEG)算法和多级树集合分裂(SPIHT)算法的压缩效果,相对JPEG压缩的图像峰值信噪比平均提高18%,相对SPIHT算法平均提高50%。
关键词
稀疏表示
医学图像压缩
K—SVD算法
稀疏编码
OMP算法
Batch—OMP算法
Keywords
sparse
representation
medical image compression
K-SVD algorithm
sparse
coding
OMP algorithm
Batch-OMP algorithm
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
结合Shortcut Connections结构的卷积稀疏编码图像去噪算法
被引量：
4
3
作者
张膑
张运杰
白明明
机构
大连海事大学理学院
出处
《科学技术与工程》
北大核心
2021年第26期11253-11262,共10页
文摘
卷积稀疏编码网络模型(convolutional sparse coding network,CSCNet)虽然能够有效解决去噪问题,但是该算法并没有考虑到迭代求解近似编码向量过程中卷积层、反卷积层之间的叠加会改变原始数据分布方式。为解决该问题,借鉴深度学习领域常用方法对原始模型进行改进。讨论了在CSCNet模型中加入以及不加入批处理标准化(batch normalization,BN)、非线性激活函数、残差学习(residual learning,RL)对模型图像去噪效果的影响,然后再此基础上分别设计了两个不同的网络模型结构。为使输入数据分布方式不因模型层与层之间传播而改变,模型1是在原始CSCNet网络的每一层加入非线性激活函数以及BN层。CSCNet模型中所训练的卷积核都是同样大小,为增加图像特征的多样性,模型2在模型1基础之上加入了简单残差块结构改变了原始模型参数传播方式,并将其通过Shortcut Connections结构与原始输入联结起来。从实验结果可以看出,在不降低原始模型计算效率的前提下,使用文中设计的模型所得去噪后的结果相比原卷积稀疏编码网络略有提升。
关键词
稀疏编码
卷积稀疏编码
批处理标准化
残差学习
Keywords
sparse
coding
convolutional
sparse
coding
batch normalization
residual learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于外码分块编码的BATS码度优化
杨柳
阴慧颖
马征
刘恒
王士恒
《西南交通大学学报》
北大核心
2026
0
在线阅读
下载PDF
职称材料
2
基于快速稀疏表示的医学图像压缩
赵海峰
鲁毓苗
陆明
陈思宝
《计算机工程》
CAS
CSCD
2014
6
在线阅读
下载PDF
职称材料
3
结合Shortcut Connections结构的卷积稀疏编码图像去噪算法
张膑
张运杰
白明明
《科学技术与工程》
北大核心
2021
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
