1) Order Recursive Matching Pursuit(ORMP)
顺序递归匹配追逐算法
2) prior estimate matching pursuit
预估计的匹配追逐算法
3) matching pursuit
匹配追逐
1.
In the view of encryption,this paper proposes a union coding scheme for compression and encryption based on the matching pursuit(MP).
从便于加密的角度出发,联合考虑视频的压缩和加密,提出一种基于匹配追逐(matching pursuit)的视频压缩加密方案,该方案首先构造基于匹配追逐的视频压缩平台,由于视频信号经匹配追逐分解后,其分解系数的分布取决于字典的选取和输入信号空间特性,即变换系数的分布是随机的,再对变换系数进行完全加密,提高数据的安全性而不会改变压缩效率。
2.
First of all,the structure information is calculated by projecting the reference image onto the base functions using the algorithm of matching pursuit.
首先根据匹配追逐算法将参考图像在基函数上进行投影分解按照重要性排列获得结构信息,并给出结构重要性度量,然后利用该信息计算编码图像的结构信息,比较编码前后结构信息的差异作为客观质量评价度量,其中在匹配追逐算法中,选取了2维可分离的Gabor基函数集作为字典。
4) recursive sequence
递归顺序
5) word matching algorithm
逐词匹配算法
1.
This paper presents an improvement study about word matching algorithm for Chinese word segmentation.
提出了一种改进的逐词匹配算法。
6) matching pursuit algorithm
匹配追踪算法
1.
Miss distance parameters are estimated by matching pursuit algorithm to search the basis function which best matches the echo signal.
通过匹配追踪算法寻找与回波信号最匹配的基函数来确定脱靶量参数。
2.
An approximate minimizer of cost function is found by using matching pursuit algorithm,and the filters are selected.
利用匹配追踪算法找到了一个近似最小的代价函数,从而选出了滤波器。
3.
For the extremely high complexity of usual algorithms for sparse decomposition,a new group matching pursuit algorithm is presented based on a redundant dictionary with several orthonormal bases.
针对目前冗余字典下信号稀疏分解常用算法计算复杂度高的问题,提出一种分组匹配追踪算法。
补充资料：递推估计算法
利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2)，直到获得满意的参数值为止。这种算法的每一步计算量都比较小，能够使用小型计算机进行离线或在线参数估计，可以估计时变参数，也可以实时估计适应控制器的参数（见适应控制系统）。20世纪60年代，递推估计算法得到迅速发展，到了70年代产生了许多不同的方法，例如，有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述：
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条