基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
支持向量机是一种基于统计学习理论的机器学习方法,该方法已广泛用于解决分类问题和回归问题。文中将最小二乘支持向量机应用于图像去噪中,并同小波去噪及中值滤波进行了比较分析。仿真结果表明,该方法能较好的保存图像细节,并具有很好的泛化能力。
推荐文章
基于支持向量机(SVM)的图像去噪方法
支持向量机
图像去噪
平滑滤波
边缘检测
基于 SVM 和小波系数的图像去噪算法研究
图像去噪
小波系数
SVM
特征向量
图像去噪方法探析
图像
噪声
去噪方法
反变换
基于小波变换的图像去噪方法研究
图像去噪
小波阀值萎缩法
混合模型
中值滤波
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于LS-SVM的图像去噪方法
来源期刊 电脑应用技术 学科 工学
关键词 最小二乘支持向量机 图像去噪 小波 中值滤波
年,卷(期) 2006,(1) 所属期刊栏目
研究方向 页码范围 15-18
页数 4页 分类号 TP274
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄炜 33 248 7.0 14.0
2 周广辉 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
最小二乘支持向量机
图像去噪
小波
中值滤波
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑应用技术
不定期
合肥工业大学院内52号信箱 微型计算机应
出版文献量(篇)
439
总下载数(次)
2
总被引数(次)
0
论文1v1指导