多维信号处理的几何代数方法 科学出版社 在线下载 pdf mobi 2025 epub 电子版

本书针对具有多维信号处理中产生的信息几何与几何不变量问题，探索一种新的多维信号处理方法。从信息学角度出发，给出几何不变量，并研究其几何不变量的性质，为实现具有多维信号处理问题提供有效的解决方案。本书适合从事智能信息处理、人工智能、计算机视觉等领域工作的学者和研究人员阅读人参考，同时也可以作为理工科大学相关专业研究生的教学参考书。

Preface

Chapter 1 L1-norm Minimization for Multi-dimensional Signals Based on Geometric Algebra 1

1.1 Introduction 1

1.2 Related Work 3

1.2.1 Preliminaries of Geometric Algebra 3

1.2.2 L1-norm Minimization 4

1.3 The Proposed Algorithm 5

1.3.1 Noiseless Case 5

1.3.2 Noise Case 9

1.4 Multi-dimensional Signal Processing in G2， G3 Space 10

1.4.1 Multi-dimensional Signal Processing in G2 Space 10

1.4.2 Multi-dimensional Signal Processing in G3 Space 11

1.5 Experiments Results and Analysis 13

1.5.1 4-dimensional Signal Reconstruction in G2 Space 13

1.5.2 8-dimensional Signal Reconstruction in G3 Space 16

1.6 Conclusions 21

References 21

Chapter 2 GA-SVD:A Novel Singular Value Decomposition Algorithm for Multispectral Image Based on Geometric Algebra 24

2.1 Introduction 24

2.2 Related Work 26

2.2.1 The Basics of Geometric Algebra 26

2.2.2 Singular Value Decomposition (SVD) 27

2.3 The GA-SVD Algorithm for Multispectral Image 27

2.3.1 Representation of Multispectral Image in GA 28

2.3.2 The Implementation of GA-SVD Algorithm 29

2.3.3 The Reconstruction of Multispectral Image Based on GA-SVD 31

2.4 The SVD Algorithm in G2， G3 Space 32

2.4.1 The SVD Algorithm in G2 Space 32

2.4.2 The SVD Algorithm in G3 Space 33

2.5 Experimental Analysis 34

2.5.1 Data Sets 34

2.5.2 Multispectral Image Compression 36

2.5.3 Multispectral Image Denoising 38

2.6 Conclusions 40

References 41

Chapter 3 Multivector Sparse Representation for Multispectral Images Using Geometric Algebra 44

3.1 Introduction 44

3.2 Related Work 46

3.2.1 Review of Current Sparse Representation Models 46

3.2.2 Representation Models for Multispectral Images 48

3.2.3 The Basics of Geometric Algebra 48

3.3 The Multivector Sparse Represention Model for Multispectral Images 50

3.3.1 Representation of Multispectral Images Using GA 50

3.3.2 GA-Multivector Sparse Representation Model for Multispectral Images 51

3.4 GA-based Dictionary Training 53

3.4.1 GA Dictionary Training Analysis 54

3.4.2 Further Analysis 56

3.5 Experimental Analysis 58

3.5.1 Data Sets 58

3.5.2 Multispectral Images Reconstruction 60

3.5.3 Multispectral Image Denoising 62

3.6 Conclusions 66

Appendix A 66

References 68

Chapter 4 GA-SURF:A New Speeded-up Robust Feature Extraction Algorithm for Multispectral Images Based on Geometric Algebra 72

4.1 Introduction 72

4.2 Related Work 73

4.2.1 SURF Algorithm 73

4.2.2 The Basics of Geometric Algebra 75

4.2.3 GA-SIFT Algorithm 75

4.3 The Proposed GA-SURF Algorithm 76

4.3.1 The Construction of the Hessian Matrix 76

4.3.2 Detection and Deor of Interest Points in a Multispectral Image 78

4.3.3 The Implementation of GA-SURF 79

4.4 The Proposed GA-SURF Algorithm 80

4.4.1 Data Set 80

4.4.2 Evaluation Metrics 81

4.4.3 Experimental Results 82

4.5 Conclusions 85

References 85

Chapter 5 Multi-modal Medical Image Registration Based on Feature Spheres in Geometric Algebra 88

5.1 Introduction 88

5.2 Method 90

5.2.1 SURF Algorithm 90

5.2.2 The Basics of Geometric Algebra 91

5.2.3 The GA-SURF Algorithm 92

5.2.4 Applying GA-SURF to the Medical Images 94

5.2.5 Construct Feature Spheres 96

5.2.6 Conformal Geometric Algebra 99

5.3 Results 101

5.4 Conclusions 106

References 106

Chapter 6 GA-STIP:Action Recognition in Multi-channel Videos with Geometric Algebra Based Spatio-temporal Interest Points 109

6.1 Introduction 109

6.2 Related Work 111

6.2.1 Feature Extraction Algorithms Based on Hessian Matrix 111

6.2.2 Geometric Algebra (GA) 112

6.3 The GA-STIP Algorithm for Multi-channel Video 113

6.3.1 Representation of Multi-channel Video in GA 114

6.3.2 Spatio-temporal Interest Points of Multi-channel Video 115

6.3.3 Spatio-temporal Deors of Feature Points 121

6.3.4 Action Recognition of the Multi-channel Video 122

6.3.5 The Implementation of GA-STIP 124

6.4 Experimental Analysis 125

6.4.1 Data Sets 125

6.4.2 Experimental Analysis 125

6.4.3 Experimental Results 130

6.5 Conclusions 133

References 134

Chapter 7 GA-CNNs:Convolutional Neural Networks Based on Geometric Algebra 138

7.1 Introduction 138

7.2 Related Work 139

7.2.1 Basics of Geometric Algebra 139

7.2.2 Neural Networks Based on Geometric Algebra 141

7.3 Convolutional Neural Networks Based on Geometric Algebra (GA-CNNs) 142

7.3.1 Convolutional Layer 143

7.3.2 Pooling Layer 144

7.3.3 Fully-connected Layer 144

7.3.4 Backpropagation Algorithm 145

7.4 Experiments and Analysis 147

7.4.1 Experiment on Synthetic Data 147

7.4.2 Experiment on Color Images 149

7.4.3 Experiment on Hyperspectral Images 151

7.5 Conclusions 155

References 155

……

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：多维信号处理的几何代数方法 科学出版社在线阅读

在线听书地址：多维信号处理的几何代数方法 科学出版社在线收听

在线购买地址：多维信号处理的几何代数方法 科学出版社在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！

• 作者：白巫师THEDEVIL 发布时间：2014-05-13 14:54:46

  相較於的驚世駭俗，顯得平庸和拙劣,而且從形式到內容都充滿了山寨和仿造的氣息。

• 作者：水果布丁娜 发布时间：2024-04-15 11:03:47

  中战略文化在于积小胜 化于日常 水满自溢

• 作者：狮子雨c 发布时间：2022-07-31 17:35:56

  值得打卡一游的真古城

• 作者：void 发布时间：2020-07-30 13:36:34

  书5分,但译者傻逼的评论/备注真的影响心情

• 作者：边城不浪 发布时间：2017-10-01 11:47:01

  这本确实水得可以，杂七杂八的东西收得太多

• 作者：敛目 发布时间：2011-02-21 16:23:27

  曲很美，画也很美，曲与画结合的更美。全彩印刷，纸张与色彩都很美。

• 李昌钰的追求与挑战

  作者：焱焱 发布时间：2016-11-06 10:43:28

  我是因为看了央视《开讲啦》节目后知道李昌钰博士

  感觉人很真诚，然后又发现图书馆有很多书

  实录的书有好多本

  于是就先挑了这本比较薄的来看

  从下午六点到晚上十点翻完

  我确定我看得很粗糙

  但是仍然很有收获

  这和我当初看《开讲啦》的感觉一致

  李昌钰真的很厉害，三观还那么正

  原来他的人生也不那么顺利，家里条件不好，大学选了不收费还有补贴的警校

  去了美国学历不被承认，用了两年读本科，两年研究生，一年博士

  博士导师获得诺贝尔奖，希望他继续从事生物化学

  还说他哈佛和一些大学校都要你，为什么去纽黑兰大学

  但是李昌钰想做警探这方面的事，说小庙也有机会成功

  期间抓紧时间打工

  他对于母亲和妻子的爱流露于字里行间

  他的儿女也很有出息

  学习~

  鲁米诺 添加蒸馏水后，帮助监测可疑血迹

  抗人血红蛋白测试 人

  PGM（磷酸葡萄糖变位酶） 活性

  台湾“中央警官学校”

  我始终认为，越是年轻，越应该保持克制、坚韧和勤奋的品质。

  儿子 李孝约 牙医

  女儿 李孝美 MIT computer花旗银行副总裁

  在侦破疑难案件的时候，物证、人证、现场、资料库、情报、运气这6个因素都非常重要。

       

  面对歧视和不公，我们不能让自己的愤怒和不满泛滥，不妨将这当成人生的挑战，以积极的态度以面对，只要你足够优秀，总有出头的日子。

• 命不好

  作者：天下第73 发布时间：2010-03-22 13:52:17

  书里全是事件,时间,人物,前前后后的看着晕.

  还有很多似是而非的传闻, 写得遮遮掩掩.

  反正总体看下来对这个皇亲国戚没有太多好感, 只觉得挺可怜.

  吃不成皇家饭倒没什么, 一技在身, 也是名家.

  后半生被那么个女人控制,弄得家门混乱, 实在是说明管理能力的低下.