基于一种网络结构的块稀疏字典学习

• 作者: 倪一宁 彭宏京
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 对称网络结构 块稀疏 梯度下降 字典学习与信号稀疏表示
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 算 法
• 页码范围: 260-264
• 页数: 5页
• 分类号: TP391
• 字数: 5724字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.05.065

摘要

以过完备字典为基础，信号可以被描述为原子的稀疏线性组合。在以往的字典学习方法中，大都是以单个原子为单位进行字典学习。利用稀疏子空间聚类的方法将字典中具有相同稀疏表达形式的原子归类为一组，形成具有块结构的字典，然后对训练信号稀疏编码，最后结合梯度下降的方法对字典进行更新。实验结果表明，该方法在相同迭代次数下的优化收敛速度较快，而且对信号的重构误差率优于传统方法。另外，所构造一种对称网络结构的字典学习流程框架，不同于一次性用全部训练数据进行训练的方法，该学习流程每处理一组信号，字典进行一次更新，实现了对字典的分步更新。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭宏京	南京工业大学电子与信息工程学院	29	184	8.0	12.0
2	倪一宁	南京工业大学电子与信息工程学院	1	0	0.0	0.0