返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 压缩感知浅析 李峰,郭毅 著 生活 文轩网
  • 新华书店正版
    • 作者: 李峰,郭毅著
    • 出版社: 科学出版社
    • 出版时间:2015-10-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 李峰,郭毅著
    • 出版社:科学出版社
    • 出版时间:2015-10-01 00:00:00
    • 版次:1
    • 印次:4
    • 印刷时间:2018-01-01
    • 字数:212000
    • 页数:160
    • 开本:16开
    • 装帧:平装
    • ISBN:9787030457486
    • 国别/地区:中国
    • 版权提供:科学出版社

    压缩感知浅析

    作  者:李峰,郭毅 著
    定  价:95
    出 版 社:科学出版社
    出版日期:2015年10月01日
    页  数:160
    装  帧:平装
    ISBN:9787030457486
    主编推荐

    内容简介

    数据压缩技术无处不在,信号之所以能够被压缩是因为信号本身具有很大的冗余性。"压缩感知"顾名思义,就是在感知/采样的过程中,自动剔除数据的冗余性,直接获取压缩版本的数据,不仅节省数据采集过程的成本,还能节省空间,极大地提高了采样效率。压缩感知理论指出稀疏的或具有稀疏表达的有限维数的信号可以利用远少于奈奎斯特采样数量的线性、非自适应的测量值无失真地重建出来。本书系统性地介绍了压缩感知的来世今生,深入浅出地介绍了压缩感知的理论基础和构成压缩感知框架所需的基本要素,例如,稀疏性、采样矩阵的约束等距特性和基于L1范数最小化的稀疏信号重建,同时有代表性地介绍了压缩感知在诸多领域中带来的革新和机遇。

    作者简介

    精彩内容

    目录
    前言 
    第1章绪论 
    参考文献 
    第2章稀疏信号和可压缩信号模型 
    2.1矢量空间简介 
    2.2基和框架 
    2.3稀疏性表达 
    2.3.1一维信号模型 
    2.3.2二维信号模型 
    2.4可压缩信号 
    参考文献 
    第3章采样矩阵 
    3.1压缩感知的数学模型 
    3.2零空间条件 
    3.2.1斯巴克 
    3.2.2零空间特性 
    3.3约束等距性质 
    3.3.1约束等距特性和稳定性 
    3.3.2测量边界 
    3.4约束等距特性和零空间特性 
    3.5满足约束等距特性的矩阵 
    3.6非相关性 
    参考文献 
    第4章压缩感知的重建 
    4.1基于e1范数最小化的稀疏信号重建 
    4.2无噪声信号重建 
    4.3有噪信号重建 
    4.3.1边界噪声污染信号的重建 
    4.3.2高斯噪声污染信号的重建 
    4.4测量矩阵的校准 
    4.4.1问题描述 
    4.4.2非监督校准 
    4.4.3仿真数据生成 
    4.4.4仿真结果 
    参考文献 
    第5章稀疏信号重建算法 
    5.1稀疏信号重建算法 
    5.2基于凸优化类算法 
    5.2.1问题描述 
    5.2.2线性规划 
    5.2.3收缩循环迭代法 
    5.2.4Bregman循环迭代法 
    5.3贪婪算法 
    5.3.1问题描述 
    5.3.2匹配跟踪算法 
    5.3.3正交匹配跟踪算法 
    5.3.4逐步正交匹配跟踪算法 
    5.3.5压缩感知匹配跟踪算法 
    5.3.6正则化正交匹配追踪算法 
    5.3.7循环硬门限法 
    5.3.8子空间追踪算法 
    5.4组合算法 
    5.4.1问题描述 
    5.4.2计数-最小略图法 
    5.4.3计数-中值略图法 
    5.5贝叶斯方法 
    5.5.1问题描述 
    5.5.2基于信任扩散的稀疏重建方法 
    5.5.3稀疏贝叶斯学习 
    5.5.4贝叶斯压缩感知 
    参考文献 
    第6章稀疏编码与字典学习 
    6.1字典学习与矩阵分解 
    6.2非负矩阵分解 
    6.3端元提取 
    6.4稀疏编码 
    6.4.1很优方向法 
    6.4.2K-SVD 
    参考文献 
    第7章压缩感知的应用 
    7.1基于压缩感知的单像素相机 
    7.2压缩感知在激光雷达中的应用 
    7.3压缩感知在模拟数字转换器中的应用 
    7.4压缩感知在射电天文中的应用 
    7.4.1去卷积 
    7.4.2多频率合成 
    7.5压缩感知在基因检测器中的应用 
    7.6压缩感知在其他方面的应用 
    7.6.1稀疏误差纠错 
    7.6.2压缩感知在星载天文望远镜HERSCHEL中的应用 
    参考文献 
    附录A压缩感知实例 
    参考文献 
    附录BLenna图像趣闻 
    参考文献 
    后记 
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购