本文關(guān)鍵詞：壓縮感知框架下快速字典的學(xué)習(xí)算法

  更多相關(guān)文章： 字典學(xué)習(xí) 稀疏表示 近端梯度 全局收斂 壓縮感知

【摘要】：信號(hào)稀疏基的構(gòu)造,關(guān)系信號(hào)稀疏表示的程度,進(jìn)而影響應(yīng)用壓縮感知對(duì)信號(hào)進(jìn)行恢復(fù)重構(gòu)的效果。針對(duì)這一問(wèn)題,多種字典學(xué)習(xí)算法如KSVD,OLM等予以提出;這些算法使用重疊的圖像塊來(lái)構(gòu)建字典,產(chǎn)生了大量稀疏系數(shù),從而導(dǎo)致過(guò)擬合及計(jì)算過(guò)緩,且不能確保收斂;基于此,設(shè)計(jì)一種基于近端梯度的快速字典學(xué)習(xí)算法。算法在分析近端梯度求解多重凸優(yōu)化問(wèn)題的基礎(chǔ)上,將其應(yīng)用于字典學(xué)習(xí)涉及的優(yōu)化求解上,降低了每次迭代的復(fù)雜度,減少了迭代開(kāi)銷(xiāo),同時(shí)能夠確保收斂。在合成數(shù)據(jù)上的實(shí)驗(yàn)表明,該算法字典學(xué)習(xí)速度快,所耗時(shí)間短,且獲得的字典更好。
【作者單位】： 黃淮學(xué)院信息工程學(xué)院;
【基金】：河南省科技廳發(fā)展計(jì)劃(142102110088) 河南省科技攻關(guān)項(xiàng)目(No.122102210430)
【分類(lèi)號(hào)】：TN911.7
【正文快照】： 0引言壓縮感知是一種利用信號(hào)的可壓縮性或者稀疏性對(duì)信號(hào)進(jìn)行重構(gòu)的技術(shù)。壓縮感知顛覆了傳統(tǒng)的信號(hào)采樣方法,它對(duì)信號(hào)進(jìn)行稀疏表示來(lái)保證原始信號(hào)的主要結(jié)構(gòu),能夠通過(guò)更少的數(shù)據(jù)采樣來(lái)對(duì)信號(hào)進(jìn)行恢復(fù)重構(gòu),已發(fā)展成為一種新型的數(shù)據(jù)采樣技術(shù);不言而喻,其優(yōu)勢(shì)在于降低了數(shù)據(jù)采

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李映;張艷寧;許星;;基于信號(hào)稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報(bào);2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動(dòng)提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2011年03期

4 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識(shí)別[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年05期

5 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識(shí)別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

6 朱杰;楊萬(wàn)扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識(shí)別方法[J];模式識(shí)別與人工智能;2012年05期

7 耿耀君;張軍英;袁細(xì)國(guó);;一種基于稀疏表示系數(shù)的特征相關(guān)性測(cè)度[J];模式識(shí)別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2013年05期

9 李正周;王會(huì)改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測(cè)[J];彈箭與制導(dǎo)學(xué)報(bào);2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識(shí)別算法研究[J];模式識(shí)別與人工智能;2014年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 何愛(ài)香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識(shí)別研究[A];虛擬運(yùn)營(yíng)與云計(jì)算——第十八屆全國(guó)青年通信學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識(shí)別[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號(hào)處理及其研究進(jìn)展[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號(hào)稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測(cè)與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 李小薪;稀疏表示的分段匹配尋蹤方法[D];華南理工大學(xué);2009年

5 何艷敏;稀疏表示在圖像壓縮和去噪中的應(yīng)用研究[D];電子科技大學(xué);2011年

6 宋相法;基于稀疏表示和集成學(xué)習(xí)的若干分類(lèi)問(wèn)題研究[D];西安電子科技大學(xué);2013年

7 匡金駿;基于稀疏表示的圖像分類(lèi)與目標(biāo)跟蹤研究[D];重慶大學(xué);2013年

8 李海山;基于稀疏表示理論的地震信號(hào)處理方法研究[D];中國(guó)石油大學(xué)（華東）;2013年

9 鄧承志;圖像稀疏表示理論及其應(yīng)用研究[D];華中科技大學(xué);2008年

10 路錦正;基于稀疏表示的圖像超分辨率重構(gòu)技術(shù)研究[D];電子科技大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號(hào)分類(lèi)[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺(jué)追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動(dòng)信號(hào)的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號(hào)：1231891