字典学习模型、算法及其应用研究进展

• 作者: 石保顺 练秋生 陈书贞
• 来源期刊: 自动化学报
• 关键词: 字典学习 稀疏表示 综合模型 解析模型
• 年，卷（期）: 2015,（2）
• 页码范围: 240-260
• 页数: 21页
• 字数: 23507字
• 语种: 中文
• DOI: 10.16383/j.aas.2015.c140252

摘要

稀疏表示模型常利用训练样本学习过完备字典，旨在获得信号的冗余稀疏表示。设计简单、高效、通用性强的字典学习算法是目前的主要研究方向之一，也是信息领域的研究热点。基于综合稀疏模型的字典学习方法已经广泛应用于图像分类、图像去噪、图像超分辨率和压缩成像等领域。近些年来，解析稀疏模型、盲字典模型和信息复杂度模型等新模型的出现丰富了字典学习理论，使得更广泛类型的信号能够被“简单性”描述。本文详细介绍了综合字典、解析字典、盲字典和基于信息复杂度字典学习的基本模型及其算法，阐述了字典学习的典型应用，指出了字典学习的进一步研究方向。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	练秋生	燕山大学信息科学与工程学院	110	1442	20.0	33.0
2	陈书贞	燕山大学信息科学与工程学院	43	533	10.0	22.0
3	石保顺	燕山大学信息科学与工程学院	11	223	4.0	11.0