本文關(guān)鍵詞：基于稀疏信號的學(xué)習(xí)字典算法及其應(yīng)用　出處：《北京工業(yè)大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 學(xué)習(xí)字典 稀疏表示 交錯(cuò)追蹤先導(dǎo)K-SVD K-SVD 超完備字典 冗余表示

【摘要】：本文主要研究用于稀疏表示的字典學(xué)習(xí)算法。 隨著壓縮感知理論的快速發(fā)展，信號的稀疏表示問題成為近些年的研究熱點(diǎn)。冗余字典具有很好的表示能力，可以對于復(fù)雜信號進(jìn)行稀疏編碼。而通過學(xué)習(xí)得到的冗余字典可以自適應(yīng)地對于一類信號進(jìn)行更稀疏的表示，具有一定的研究價(jià)值。 本文對得到學(xué)習(xí)字典的算法進(jìn)行了研究，發(fā)現(xiàn)目前常用的字典學(xué)習(xí)算法在前期的稀疏表示階段浪費(fèi)了計(jì)算復(fù)雜度，且可能會過編碼，使結(jié)果無法達(dá)到最優(yōu)。 針對上述問題，提出了全局支撐交錯(cuò)追蹤K-SVD算法，并對其進(jìn)行了改進(jìn)，，得到交錯(cuò)追蹤先導(dǎo)K-SVD算法。最后本文對于提出的算法對于圖像去噪進(jìn)行了實(shí)驗(yàn)，檢驗(yàn)了本文提出算法的優(yōu)越性。
[Abstract]:This paper focuses on dictionary learning algorithms for sparse representation. With the rapid development of compressed sensing theory, the sparse representation of signals has become a hot topic in recent years. Redundant dictionaries have a good representation ability. It can be used for sparse coding of complex signals, and the redundant dictionaries can be used to represent a class of signals more sparsely adaptively, which has some research value. In this paper, the algorithm of learning dictionary is studied. It is found that the current commonly used dictionary learning algorithms waste computational complexity in the sparse representation stage, and may be overcoded, so that the results can not be optimized. To solve the above problems, a global support staggered tracking K-SVD algorithm is proposed and improved. The K-SVD algorithm with staggered tracking pilot is obtained. Finally, the proposed algorithm is tested and the superiority of the proposed algorithm is tested.
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN911.7

【參考文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 劉吉英;壓縮感知理論及在成像中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2010年

本文編號：1419623