叶敏超
- 作品数：18 被引量：26H指数：3
- 供职机构：中国计量大学更多>>
- 发文基金：国家自然科学基金浙江省自然科学基金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于云计算架构的软件自动测试系统
- 本发明公开了一种基于云计算架构的软件自动测试系统，包括：客户端、应用服务器、服务调度系统以及设备服务器；所述服务调度系统包括文件服务器、执行器、设备管理服务器以及数据库；本发明提供的一种基于云计算架构的软件自动测试系统，...
- 陆慧娟严珂金群高波涌叶敏超
- 文献传递
- 噪声消除方法及装置
- 本发明实施例提供噪声消除方法及装置。该方法包括：基于混合噪声模型，获取待消除噪声的第一信号的噪声标准差函数的参数估计值，以获得估计的噪声标准差函数；根据估计的噪声标准差函数，对所述第一信号进行方差稳定化变换，以获得噪声为...
- 钱沄涛叶敏超韩明臣
- 文献传递
- 基于多任务稀疏表达的二元麦克风小阵列话音增强算法被引量：3
- 2014年
- 针对常规二元麦克风小阵列话音增强算法通常需要话音活动检测技术支持,并且难以有效抑制第一帧含目标信号的噪声。提出了一种基于多任务稀疏表达的二元麦克风小阵列话音增强算法,首先利用字典学习方法分别获得目标信号和噪声信号的过完备字典,然后利用2 1???混合范数对信号在其字典上的表示系数进行正则化稀疏约束,使得2个阵元接收到信号中的噪声信号被抑制,而话音信号尽量保持不变,从而达到话音增强的目标。仿真和实验数据表明,无论开始位置是否含有目标话音信号,所提出的非话音活动检测支持的二元麦克风小阵列话音增强算法均能有效实现话音增强的目标。
- 杨立春叶敏超钱沄涛
- 关键词：字典学习
- 基于CNN-Transformer可解释的轻量级图像超分辨率重建方法
- 本发明涉及一种基于CNN‑Transformer可解释的轻量级图像超分辨率重建方法，包括：S1、对原始数据集进行预处理，得到所需LR和HR训练数据；S2、融合数据驱动与模型驱动，构建l<Sub>1</Sub>范数的图像退...
- 赵建伟王庭伟王文杰洪涛叶敏超
- 基于多任务稀疏表示的高光谱图像去噪算法研究
- 高光谱成像技术是近几十年来成像领域的一场革命。高光谱图像由几十甚至几百个连续密集光谱窄波段组成，既包含了普通图像的空间信息，又包含了所拍摄物质的光谱信息，因此在农业、矿物勘探、地物识别、变化检测等领域得到了广泛应用。然而...
- 叶敏超
- 关键词：高光谱图像去噪算法多任务学习
- 一种面向图像超分辨率的模型驱动的轻量级深度递归网络
- 本发明涉及图像处理技术领域，本发明公开了一种面向图像超分辨率的l<Sub>2,1</Sub>模型驱动的轻量级深度递归网络，包括：图像采集模块，用于获取结构噪声的单幅图像；图像处理模块，用于对单幅图像进行栅格处理，并通过卷...
- 赵建伟王文杰张大宝周正华叶敏超
- 图像去噪的方法和装置
- 本发明实施例提供一种图像去噪的方法和装置，能够减小噪声对稀疏重构的影响。该方法包括：确定目标图像包括的原始图像块彼此之间的相似度；根据该相似度，对该原始图像块进行聚类操作，确定该目标图像的图像块类；根据该图像块类，基于去...
- 钱沄涛叶敏超沈言浩韩明臣柳海波
- 文献传递
- 基于聚类的图像稀疏去噪方法被引量：5
- 2011年
- 在图像去噪方法的研究中,非局部均值算法与稀疏去噪算法是近几年受到广为关注的方法。非局部均值算法将具有邻域相似性的像素点作加权平均;而稀疏去噪算法是将图像的非噪声部分用过完备字典进行稀疏表示。基于上述两种方法的思想,本文提出了基于聚类的稀疏去噪方法,该方法结合了非局部均值算法与稀疏去噪算法的优点,对相似的图像块进行聚类,并通过施加e_1/e_2范数的正则化约束,对同一类中的图像块在过完备字典上进行相同结构的稀疏表示,从而达到去噪目的。在字典的选择上,本文使用DCT字典和双正交小波字典,能够同时保留原图像中的平滑分量与细节分量。实验结果表明,本文方法比传统的稀疏去噪方法有更好的去噪效果。
- 叶敏超钱沄涛沈言浩
- 关键词：图像去噪聚类字典
- 基于深度学习的软件界面自动测试云平台装置及测试方法
- 本发明公开了一种基于深度学习的软件界面自动测试云平台装置，包括若干台用户终端和云服务器，用户终端包括Web浏览器和自动截屏模块，云服务器包括Web服务器、数据库、深度神经网络模型、截图接收模块、网络爬虫模块，Web浏览器...
- 陆慧娟叶敏超曹昊张铭王钰俍陈崇博
- 文献传递
- ReliefF和APSO混合降维算法研究被引量：2
- 2017年
- 降维与分类一直是机器学习的研究热点,在很多领域有着成功的应用.针对基因数据分类存在特征维数过高、冗余数据和高噪声等问题,现提出一种基于Relief F和自适应粒子群(APSO)优化的混合降维算法.即先通过Relief F和APSO算法选择特征子集,然后使用超限学习机作为评价函数对基因数据进行分类,最后通过循环迭代得到最优的分类精度.实验证明,混合降维算法与已有的算法相比分类精度更高、更稳定,它适用于基因表达数据降维.
- 陈俊颖陆慧娟严珂叶敏超
- 关键词：RELIEFF算法降维基因表达数据
