采用遗传算法的分层贪婪字典训练算法

• 作者: 常志国 徐健 景明利 齐春
• 来源期刊: 西安交通大学学报
• 关键词: 稀疏表示 信号重建 字典训练 遗传算法
• 年，卷（期）: 2012,（4）
• 页码范围: 18-23
• 分类号: TP391
• 语种: 中文

摘要

针对稀疏表示残差过大的问题,提出了采用遗传算法的分层贪婪字典训练算法.该算法首先将数据样本变成一维信号,然后将问题划分为若干个子问题,采用贪婪算法思想分层训练字典.为了以一定概率寻找到每一层字典的最优值,使用遗传算法来训练每一层字典,最后将每层字典级联作为最终的字典.在训练每一层字典时,先采用号码矩阵对样本的分类进行表示,然后以平均低秩逼近的残差能量作为衡量适应度的参数,以联赛选择的方式选出优胜个体,通过单点交叉和变异方法产生新的个体.对二值序列的稀疏表示信号重建的实验结果表明,该算法在训练样本量较小的情况下,与传统的核奇异值分解算法相比,训练得到的字典在同样的稀疏度约束下重建信噪比提高了10倍以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐春	西安交通大学电子与信息工程学院	55	787	14.0	27.0
2	徐健	西安交通大学电子与信息工程学院	14	142	7.0	11.0
6	景明利	西安交通大学电子与信息工程学院	4	5	2.0	2.0
7	常志国	长安大学信息工程学院	15	82	6.0	8.0