- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于量子免疫克隆的压缩感知数据重构算法.pdf
No.5 微 处 理 机 第5 期
Oct.,2014 MICROPROCESSORS 2014年10月
基于量子免疫克隆的压缩感知数据重构算法
祁 浩 ,刘洲洲1 2
(1.西北工业大学电子信息学院,西安710072;2.西安航空学院,西安710077)
摘 要:提出了一种基于量子免疫克隆的压缩感知数据重构算法(Q-CSDR)。算法先提出了
一种能够提高数据重构概率的自适应分帧方法,然后利用量子克隆免疫算法的优化组合性能实现
数据的精确重构。实验结果表明,Q-CSDR 算法能够根据原始信号稀疏度自动调节压缩比率,具
有重构速度快,重构精度高,能够适应于高稀疏度数据重构等优点。该算法已应用于秦始皇帝陵博
物院野外文物安防系统。经实际检验,收到了良好效果。
关键词:量子免疫克隆;压缩感知;数据重构;稀疏度
DOI编码:10.3969/j.issn.1002-2279.2014.05.011
中图分类号:TP24 文献标识码:A 文章编号:1002-2279(2014)05-0034-06
AlgorithmofCompressedSensorDataReconstructionBased
onQuantum-inspiredImmuneClon
QIHao ,LIUZhou-zhou1 2
(1.SchoolofElectronicsandInformation,NorthwestPolytechnicalUniversity,Xi’an710072,China;
2.Xi’anAeronauticalUniversity,Xi’an710072,China)
Abstract:Analgorithmofcompressedsensordatareconstruction,calledQ-CSDR,basedonthe
algorithmofquantum-inspired immune clon,isproposedinthispaper.Q-CSDRcan increase the
probabilityofdatareconstructionthroughframingthedataadaptively.Becauseofitsexcellentperform
ance,Q-CSDRusesthealgorithmtoaccuratelyreconstructthedata.Theexperimentresultsshowthat,
accordingtothesparsityoftheoriginaldata,thealgorithmcanautomaticallyadjustcompressionratio,
raisetheaccuracyofdatareconstructionandadaptwelltohighsparsitydatareconstruction.Itisusedin
thefieldsecuritysystemofEmperorQinshihuang`smausoleumsitemuseumwithgoodperformance.
Keywords:Quantum-inspiredImmune ClonalAlgorithm;CompressedSensor;DataReconstruction;
Sparsity
数据重构算法是压缩感知过程中的一个重要环
1 引 言
节,其关键问题在于如何快速、准确的从已知低维数
[1] 据中恢复出高维数据。目前压缩感
文档评论(0)