基于稀疏表示的多传感器协同分类

@文章{Dao2014CollaborativeMC，title={通过基于稀疏表示的协作多传感器分类}，作者={Minh Dao和Nam H.Nguyen以及Nasser M.Nasrabadi和Trac D.Tran}，journal={IEEE信号处理事务}，年份={2014}，体积={64}，页数={2400-2415}，url={https://api.semanticscholar.org/CorpusID:14385419}}
研究表明，当多个共存的源/传感器同时记录同一物理事件时，将噪声或干扰信号作为低阶分量纳入作者的模型对于多传感器分类问题至关重要。
[PDF]语义阅读器
28引文
背景引文
4
方法引文
4
结果引文
1

本文图表

28引文

基于稀疏表示的低阶干扰多传感器分类

在本文中，我们提出了一个通用的协作稀疏表示框架，用于多传感器分类，该框架利用了同质和相辅相成的信息…

基于稀疏性的多传感器和多特征融合用于声瞬态分类

提出了一种用于声学信号分类的基于多传感器稀疏性的协作框架，该框架在单个麦克风阵列和多个阵列的测量中强制执行各种稀疏性约束，同时提取低秩干扰项。

具有低秩干扰的稀疏表示：算法及其应用

    明刀
    工程、计算机科学
  • 2015
本论文研究了即使存在较大但相关的噪声/干扰时结构稀疏信号表示的问题，并开发了一种新的通用框架，能够提取低阶干扰，同时促进基于稀疏性的多个相关信号表示。

瞬态声信号分类算法的稀疏表示及比较结果

提出了一种通用的基于稀疏性的瞬态声信号分类框架；该框架在多个声学传感器的测量中强制执行各种稀疏结构，如联合稀疏或群与联合解析。

用于多模态识别的低秩和联合稀疏表示

为了有效解决由此产生的优化问题，提出了两种基于低秩联合稀疏表示的多任务多变量多模态识别方法和交替方向乘法器方法。

基于张量稀疏学习技术的多通道超宽带SAR图像分类

提出了三种新的稀疏性驱动技术，它们不仅利用了原始捕获数据的细微特征，还利用了多通道SAR数据的极化分集和方位角相关信息。

分层稀疏信号的可靠恢复及其在机器通信中的应用

介绍了硬阈值追踪（HTP）算法的一种新变体，称为HiHTP，与HTP相比，该算法在数值实验中的性能明显更好，并为噪声高斯测量提供了收敛证明和恢复保证。

基于Laplacian-Like正则化的稀疏低秩多任务联合学习在高光谱分类中的应用

一种具有类拉普拉斯正则化的联合稀疏低秩MTL方法（称为sllMTL），用于高光谱分类，利用三维形态轮廓（3D-MPs）特征来捕捉任务的特异性和相关性。

用于图像分类的快速低秩共享字典学习

一种新的方法，可以显式地同时学习一组通用模式和特定于类的特征，以便使用更直观的约束进行分类，其特征是共享字典和特定（特定于类）字典。

高斯和克罗内克积测量中分层稀疏信号的可靠恢复

本文提出并分析了从线性测量中恢复具有稀疏块的块稀疏信号的问题的解决方案，并使用<inline-formula><tex-math notation=“LaTeX”>$\mathsf{HiHTP}建立了从Kronecker积测量中高效重建分层稀疏信号的方法$</tex-数学></inline-公式>。

50参考文献

基于联合稀疏表示的鲁棒多传感器分类

本文提出了一种新的多任务多变量（MTMV）稀疏表示多传感器分类方法，该方法同时考虑了传感器之间的相关性…

C-HiLasso：一种协作层次稀疏建模框架

这项工作将Lasso在单个特征级别的稀疏性诱导特性与Group Lasso的块稀疏性相结合，其中稀疏特征组被联合编码，从而获得层次结构的稀疏模式，从而产生HiLasso（HiLassoHierarchical Lasso），这显示出重要的实用优势。

多任务联合稀疏表示的视觉分类

在具有挑战性的真实数据集上的实验结果表明，该算法的特征组合能力与最新的多核学习方法相比具有竞争力。

基于核稀疏表示的高光谱图像分类

实验结果表明，该方法优于线性稀疏分类技术和经典的支持向量机分类器。

用于高光谱图像目标检测的稀疏表示

本文提出了一种新的基于稀疏性的高光谱图像目标自动检测算法。该算法基于HSI中的像素位于…

多分类问题的联合协变量选择和联合子空间选择

给出了一个近似跟踪正则化路径的分块路径允许格式，理论结果表明，该随机投影方法收敛于跟踪形式正则化得到的解。

ReProCS：在大但相关噪声中递归鲁棒PCA和递归稀疏恢复之间的缺失链接

提出了一种新的方法来看待递归鲁棒主成分分析（PCA）问题，并说明了解决策略的关键部分是如何解决噪声压缩感知（CS）问题问题，以及如何利用离群值的相关性来帮助作者更好地处理非常大的支持度离群值。

在多任务学习中利用稀疏性

群Lasso被认为是一种候选估计方法，证明了该估计具有良好的稀疏预言不等式和变量选择性质，并且可以推广到更一般的噪声分布，其中只需要方差是有限的。

低秩加压缩稀疏矩阵的恢复及其在揭示交通异常中的应用

提出了一阶算法来求解具有可证明迭代复杂性保证的非光滑凸优化问题，并证明了其优于现有方案的能力。

稳健的主成分分析？

证明了在一些适当的假设下，通过求解一个非常方便的凸程序——主成分追踪，可以精确地恢复低秩和稀疏成分；在所有可行的分解中，这表明了采用原则方法进行稳健主成分分析的可能性。