基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
分析了字典学习的K-SVD算法,通过引入K-Means计算方法,将K-Means方法推广到用于字典学习的K-SVD计算方法中;分析和描述了K-SVD计算过程,指出了K-SVD方法与K-Means方法之间的关系,最后观察图像数据训练用于稀疏表示的字典.
推荐文章
基于稀疏 K-SVD 字典的图像融合方法
稀疏K-SVD
解析字典
学习字典
图像融合
基于K-SVD超声渡越时间获取方法研究
稀疏表示
完备字典
超声检测
正交匹配追踪
K-SVD
基于改进的K-SVD字典学习CT图像重建算法
图像重建
SART算法
K-SVD字典学习
稀疏角度
基于竞争聚集的K-SVD字典学习算法
稀疏表示
字典学习
聚类
竞争聚集
K-SVD算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 字典学习的K-SVD算法分析
来源期刊 中国传媒大学学报(自然科学版) 学科 工学
关键词 K-Means方法 字典学习 稀疏表示 K-SVD方法
年,卷(期) 2017,(1) 所属期刊栏目
研究方向 页码范围 47-50
页数 4页 分类号 TN911.73
字数 2200字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 华敏杰 中国传媒大学理工学部 2 5 2.0 2.0
2 牛秀秀 中国传媒大学理工学部 1 3 1.0 1.0
3 狄燕飞 中国传媒大学理工学部 2 3 1.0 1.0
4 相鹏 中国传媒大学理工学部 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
K-Means方法
字典学习
稀疏表示
K-SVD方法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国传媒大学学报(自然科学版)
双月刊
1673-4793
11-5379/N
16开
北京市朝阳区定福庄东街1号(中国传媒大学30号信箱)
1994
chi
出版文献量(篇)
1230
总下载数(次)
8
论文1v1指导