已閱讀1頁,還剩86頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、本論文中,首先提出了一種計算復雜性低而又有效的截斷奇異值分解方法解決L2范數約束問題,用L曲線方法確定正則化參數,基于離體狗心臟數據集進行了實驗,重建出了相應的心外膜電位映射并將其可視化。結果表明,截斷奇異值分解法能夠重建出大部分的心電特征,是心電逆問題求解的一種有效方法。但是L2范數的懲罰函數特性導致結果具有一定的平滑性,從而降低了識別異常和定位病灶的準確性。同時,由于L1范數懲罰函數的非可微性,導致直接使用L1范數方法可能會極大地增
2、加計算復雜度。因此在本論文中,提出了一個平滑的L0范數方法來直接解決L0范數約束問題。本文提出的平滑L0范數方法采用一個平滑函數使L0范數連續(xù)?;诎ㄕH藬祿?、離體狗心臟數據和預激綜合癥數據在內的數據集進行了大量的實驗,驗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。實驗結果顯示,提出的平滑L0范數方法與基于L1范數和L2范數的方法相比,其重建的心外膜電位更準確,表明平滑的L0范數是心外膜電位無創(chuàng)
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于L0范數和核回歸模型的圖像去噪方法研究.pdf
- 基于平滑l0范數的稀疏分解算法的改進.pdf
- 基于L1和L2范數的EIT靜態(tài)成像算法的對比研究.pdf
- 基于L2,1范數和L1范數的魯棒判別特征提取算法研究.pdf
- 基于l0范數最小化的圖像恢復算法研究.pdf
- 基于L0擬范數懲罰的全變分乘性噪聲問題.pdf
- 基于梯度圖像的L0范數最小化的快速磁化率重建方法.pdf
- 關于混合L1-L2范數最小問題的算法研究.pdf
- 一種基于L2導出范數的網絡控制系統(tǒng)控制器設計方法.pdf
- 3881.基于l1l2范數的塊稀疏信號重構
- l2和l3比較
- 關于指數和的L1范數Littlewood猜想.pdf
- 基于L1-范數的EEG信號魯棒分類研究.pdf
- 細分樹的L-,p-范數或擬范數平均大小和小波包的漸近性態(tài).pdf
- 向量范數和矩陣范數
- 基于L0優(yōu)化的紋理分析技術.pdf
- 帶L1范數最優(yōu)控制問題的數值解法.pdf
- 基于L0方法的CT超稀疏投影重建.pdf
- 基于L1范數的核判別保局投影算法研究.pdf
- 一類在l-,2-范數下線性規(guī)劃問題的反問題.pdf
評論
0/150
提交評論