暂无评论
多模态表示学习旨在缩小不同模态之间的异质性差距,在利用普遍存在的多模态数据方面起着不可或缺的作用。基于深度学习的多模态表示学习由于具有强大的多层次抽象表示能力,近年来受到了广泛的关注。
采用最小二乘双支持向量机(LSTSVM)进行情感识别,针对LSTSVM模型的惩罚系数及核函数参数难以确定的问题,使用改进的萤火虫算法(MFA)来优选LSTSVM的各项参数,使分类器取得最优的性能。基于
详细的讲述了信号的稀疏表示和稀疏分解问题,很适合做开题报告。
基于稀疏表示的超分辨率重构!这个论文关于稀疏表示描述的很详细!
提供一份基于matlab源代码稀疏表示的人脸识别系统,供大家一起学习参考,我们共同学习进步!
一种基于多模态深度学习的跨模态哈希算法
手背静脉识别利用静脉血管分布的网络结构实现个人身份鉴定,是一种新兴的生物特征识别技术。分析了静脉成像原理,设计了静脉图像采集系统,并建立了具有较高质量的手背静脉图像数据库。在身份识别过程中,首先对手背
为了提高在密集多径信道下信号检测性能,提出了一种基于稀疏表示的非相干检测方法。此方法考虑了稀疏表示的原理及特点, 以稀疏信号分解、主成分分析及特征信号提取为基础, 通过利用假设检验方法对信号进行最终判
这是2016年7月15日,硕士开题答辩所采用的ppt,有关于微血管瘤检测识别方向,采用稀疏表示字典学习的方法进行防震处理,这里给出了大致的研究方向,一节部分备注,希望对下载者,有一定帮助。
如今,稀疏表示分类(SRC)已广泛应用于各种计算机视觉领域,例如人脸识别。 但是,很少有研究人员将SRC应用到静态手势识别中。 在本文中,我们建议采用基于显着性的特征和稀疏表示进行手势识别,并对稀疏项
暂无评论