原文服务方: 计算机应用研究       
摘要:
人工鱼群算法(AFSA)是一种新的智能优化算法,具有鲁棒性强、全局收敛性好,及对初值的不敏感性等特点.将人工鱼群算法运用到信号的稀疏分解中,可快速寻找匹配追踪(MP)过程中每一步分解的最佳原子.此方法提高了信号稀疏分解的速度,算法的有效性为实验结果所证实.
推荐文章
利用粒子群算法实现信号OMP稀疏分解
稀疏表示
稀疏分解
匹配追踪算法(MP)
正交匹配追踪算法(OMP)
粒子群优化算法(PSO)
利用蚁群算法实现基于MP的信号稀疏分解
稀疏表示
稀疏分解
Matching Pursuit
蚁群算法
快速算法
基于MP稀疏分解的心电身份识别
心电信号
身份识别
支持向量机
稀疏分解
匹配追踪
基于MP算法的语音信号稀疏分解
稀疏分解
过完备库
匹配追踪算法
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 利用人工鱼群算法实现基于MP的信号稀疏分解
来源期刊 计算机应用研究 学科
关键词 信号处理 稀疏分解 匹配追踪 人工鱼群算法
年,卷(期) 2009,(1) 所属期刊栏目 算法研究探讨
研究方向 页码范围 66-67,73
页数 3页 分类号 TN911.72
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2009.01.019
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 尹忠科 西南交通大学信息科学与技术学院 88 1741 22.0 38.0
2 袁志刚 西南交通大学信息科学与技术学院 3 74 3.0 3.0
3 舒维杰 西南交通大学信息科学与技术学院 2 59 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (709)
参考文献  (4)
节点文献
引证文献  (47)
同被引文献  (69)
二级引证文献  (30)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(2)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(3)
  • 引证文献(3)
  • 二级引证文献(0)
2011(8)
  • 引证文献(8)
  • 二级引证文献(0)
2012(8)
  • 引证文献(7)
  • 二级引证文献(1)
2013(7)
  • 引证文献(5)
  • 二级引证文献(2)
2014(6)
  • 引证文献(4)
  • 二级引证文献(2)
2015(8)
  • 引证文献(6)
  • 二级引证文献(2)
2016(12)
  • 引证文献(6)
  • 二级引证文献(6)
2017(8)
  • 引证文献(3)
  • 二级引证文献(5)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(9)
  • 引证文献(2)
  • 二级引证文献(7)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
信号处理
稀疏分解
匹配追踪
人工鱼群算法
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导