报告题目:结构性字典学习及其在地震数据处理中的应用
报告时间:2018年11月28日(周三)下午13:00-14:00
报告地点:尚贤楼806
报告人:刘丽娜
欢迎各位专家老师和同学参与交流!
报告摘要:字典学习是一种自适应稀疏表示方法,被广泛地应用于地震数据去噪、插值和稀疏表示。同传统的稀疏变换方法相比较,字典学习方法从训练数据中学习得到字典,字典包含数据的信息,能够更好地稀疏表示地震数据。但是,目前的字典学习方法中将数据块向量化组合成新的训练数据,向量化破坏了数据的结构特征。为了克服如上问题,提出了Kronecker字典学习方法和方向自适应Kronecker字典学习方法,并将这两种方法应用于地震数据去噪和插值。本报告主要介绍这两种字典学习方法及其在地震数据处理中的应用。
报告人简介:刘丽娜,理学博士,2018年11月入职南京信息工程大学数统院。主要研究兴趣:字典学习,数据处理,已在Inverse Problems, IEEE Transcations on Geoscience and Remote Sensing等SCI期刊发表论文3余篇。
数学与统计学院
2018年11月26日