

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本論文中,首先提出了一種計(jì)算復(fù)雜性低而又有效的截?cái)嗥娈愔捣纸夥椒ń鉀QL2范數(shù)約束問(wèn)題,用L曲線方法確定正則化參數(shù),基于離體狗心臟數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn),重建出了相應(yīng)的心外膜電位映射并將其可視化。結(jié)果表明,截?cái)嗥娈愔捣纸夥軌蛑亟ǔ龃蟛糠值男碾娞卣鳎切碾娔鎲?wèn)題求解的一種有效方法。但是L2范數(shù)的懲罰函數(shù)特性導(dǎo)致結(jié)果具有一定的平滑性,從而降低了識(shí)別異常和定位病灶的準(zhǔn)確性。同時(shí),由于L1范數(shù)懲罰函數(shù)的非可微性,導(dǎo)致直接使用L1范數(shù)方法可能會(huì)極大地增
2、加計(jì)算復(fù)雜度。因此在本論文中,提出了一個(gè)平滑的L0范數(shù)方法來(lái)直接解決L0范數(shù)約束問(wèn)題。本文提出的平滑L0范數(shù)方法采用一個(gè)平滑函數(shù)使L0范數(shù)連續(xù)?;诎ㄕH藬?shù)據(jù)、離體狗心臟數(shù)據(jù)和預(yù)激綜合癥數(shù)據(jù)在內(nèi)的數(shù)據(jù)集進(jìn)行了大量的實(shí)驗(yàn),驗(yàn)證了我們方法的有效性;重建了心臟起搏期間的心外膜電位映射,并將其在心臟表面可視化。實(shí)驗(yàn)結(jié)果顯示,提出的平滑L0范數(shù)方法與基于L1范數(shù)和L2范數(shù)的方法相比,其重建的心外膜電位更準(zhǔn)確,表明平滑的L0范數(shù)是心外膜電位無(wú)創(chuàng)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于L0范數(shù)和核回歸模型的圖像去噪方法研究.pdf
- 基于平滑l0范數(shù)的稀疏分解算法的改進(jìn).pdf
- 基于L1和L2范數(shù)的EIT靜態(tài)成像算法的對(duì)比研究.pdf
- 基于L2,1范數(shù)和L1范數(shù)的魯棒判別特征提取算法研究.pdf
- 基于l0范數(shù)最小化的圖像恢復(fù)算法研究.pdf
- 基于L0擬范數(shù)懲罰的全變分乘性噪聲問(wèn)題.pdf
- 基于梯度圖像的L0范數(shù)最小化的快速磁化率重建方法.pdf
- 關(guān)于混合L1-L2范數(shù)最小問(wèn)題的算法研究.pdf
- 一種基于L2導(dǎo)出范數(shù)的網(wǎng)絡(luò)控制系統(tǒng)控制器設(shè)計(jì)方法.pdf
- 3881.基于l1l2范數(shù)的塊稀疏信號(hào)重構(gòu)
- l2和l3比較
- 關(guān)于指數(shù)和的L1范數(shù)Littlewood猜想.pdf
- 基于L1-范數(shù)的EEG信號(hào)魯棒分類(lèi)研究.pdf
- 細(xì)分樹(shù)的L-,p-范數(shù)或擬范數(shù)平均大小和小波包的漸近性態(tài).pdf
- 向量范數(shù)和矩陣范數(shù)
- 基于L0優(yōu)化的紋理分析技術(shù).pdf
- 帶L1范數(shù)最優(yōu)控制問(wèn)題的數(shù)值解法.pdf
- 基于L0方法的CT超稀疏投影重建.pdf
- 基于L1范數(shù)的核判別保局投影算法研究.pdf
- 一類(lèi)在l-,2-范數(shù)下線性規(guī)劃問(wèn)題的反問(wèn)題.pdf
評(píng)論
0/150
提交評(píng)論