压缩感知观测矩阵及重构算法的智能优化策略设计
| 中文摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 引言 | 第8-16页 |
| 1.1 压缩感知研究背景 | 第8-9页 |
| 1.2 压缩感知的研究现状 | 第9-15页 |
| 1.2.1 观测矩阵研究现状 | 第9-10页 |
| 1.2.2 重构算法的研究现状 | 第10-15页 |
| 1.3 本文主要研究内容及章节安排 | 第15-16页 |
| 第二章 面向观测矩阵的自适应蝙蝠算法优化策略 | 第16-50页 |
| 2.1 观测矩阵对重构结果的影响 | 第16-17页 |
| 2.2 自适应蝙蝠算法设计 | 第17-22页 |
| 2.2.1 标准蝙蝠算法 | 第17-18页 |
| 2.2.2 蝙蝠算法研究现状 | 第18-21页 |
| 2.2.3 自适应蝙蝠算法 | 第21-22页 |
| 2.3 基于自适应蝙蝠算法的观测矩阵优化 | 第22-27页 |
| 2.3.1 种群初始化及编码策略 | 第22-23页 |
| 2.3.2 种群的定义域区间 | 第23-24页 |
| 2.3.3 适应值函数 | 第24页 |
| 2.3.4 基于自适应蝙蝠算法的观测矩阵优化算法 | 第24-27页 |
| 2.4 仿真实验 | 第27-49页 |
| 2.4.1 信号重构实验及分析 | 第27-37页 |
| 2.4.2 图像重构实验及分析 | 第37-42页 |
| 2.4.3 变换基的分析与鲁棒性验证 | 第42-49页 |
| 2.5 本章小结 | 第49-50页 |
| 第三章 基于离散蝙蝠算法的重构算法 | 第50-66页 |
| 3.1 重构算法分析 | 第50-51页 |
| 3.2 离散蝙蝠算法 | 第51-52页 |
| 3.3 基于离散蝙蝠的重构算法 | 第52-54页 |
| 3.3.1 先验信息提取 | 第52页 |
| 3.3.2 适应值函数 | 第52页 |
| 3.3.3 离散蝙蝠重构算法流程 | 第52-54页 |
| 3.4 仿真实验 | 第54-65页 |
| 3.4.1 实验环境及参数选择 | 第54页 |
| 3.4.2 评价指标设计 | 第54-55页 |
| 3.4.3 信号重构实验及分析 | 第55-58页 |
| 3.4.4 图像重构实验及分析 | 第58-65页 |
| 3.4.5 与其它进化算法对比 | 第65页 |
| 3.5 本章小结 | 第65-66页 |
| 第四章 基于多目标离散蝙蝠算法的重构算法 | 第66-82页 |
| 4.1 多目标重构算法分析 | 第66页 |
| 4.2 多目标离散蝙蝠算法设计 | 第66-69页 |
| 4.2.1 多目标算法介绍 | 第66-68页 |
| 4.2.2 多目标离散蝙蝠算法流程 | 第68-69页 |
| 4.3 多目标离散蝙蝠重构算法 | 第69-71页 |
| 4.3.1 适应值函数设计 | 第69页 |
| 4.3.2 选解策略 | 第69-70页 |
| 4.3.3 多目标离散蝙蝠重构算法流程 | 第70-71页 |
| 4.4 仿真实验 | 第71-81页 |
| 4.4.1 实验环境及参数选择 | 第71页 |
| 4.4.2 评价指标设计 | 第71-72页 |
| 4.4.3 信号重构实验及分析 | 第72-74页 |
| 4.4.4 图像重构实验及分析 | 第74-80页 |
| 4.4.5 与其它进化算法对比 | 第80-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 总结与展望 | 第82-84页 |
| 5.1 主要工作总结 | 第82-83页 |
| 5.2 展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90-92页 |
| 攻读学位期间发表的学术论文目录 | 第92-94页 |
| 个人简介及联系方式 | 第94页 |
