weixin_43076256的博客

相关文献合集及典型案例

动态压缩感 (Dynamic compressed sensing, DCS) 知由视频信号处理问题引出, 是压缩感知 (Compressed sensing, CS) 理论研究领域中新兴起的一个研究分支, 旨在处理信号支撑集随时间发生变化的时变稀疏信号, 较为成功的应用范例是 动态核磁共振成像. 本文首先介绍动态系统模型, 给出时变稀疏信号支撑集缓慢变化的定义、时变稀疏信号的稀疏表示和感知 测量的方法; 其次, 建立一个统一的时变稀疏信号重构模型, 基于该模型对现有算法进行分类, 简要综述时变稀疏信号的重构 算法, 并且对比分析算法的性能; 最后, 讨论动态压缩感知的应用, 并对其研究前景进行展望.

大多数的机器学习分类算法都是基于平衡数据 集的假设 ， 然而当数据集的各类别的样本分布不均 匀时 ， 分类器常常会倾向样本中多数类 。 究其原因 ， 不均衡或是倾斜的训练样本集常会带来特征淹没的 问题 ， 从大多数类提取的特征相对丰富准确 ， 但由少 数类提取的特征相对匮乏 ， 使其不均匀时 ， 分类器常 常会倾向样本中多数类 。