一种用于各向异性扩散滤波的最小二乘支持向量回归方法
信号处理
2022-02-02 v1 机器学习
数值分析
数值分析
摘要
作为低通滤波器的各向异性扩散滤波用于信号平滑具有保边的优势，即它不影响包含比信号其他部分更关键数据的边缘。在本文中，我们提出了一种基于最小二乘支持向量回归的数值算法，该算法采用勒让德正交核，并通过 Crank-Nicolson 方法对非线性扩散问题在时间上离散化。该方法将信号平滑过程转化为求解一个可由高效数值算法解决的优化问题。最后，我们报告了一些数值实验以表明所提出的基于机器学习的方法在信号平滑中的有效性。
引用
@article{arxiv.2202.00595,
title = {A least squares support vector regression for anisotropic diffusion filtering},
author = {Arsham Gholamzadeh Khoee and Kimia Mohammadi Mohammadi and Mostafa Jani and Kourosh Parand},
journal= {arXiv preprint arXiv:2202.00595},
year = {2022}
}