基于新型鲁棒字典学习的视频帧稀疏表示

• 作者: 李雷 钱阳
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 字典学习 稀疏表示 异常数据 鲁棒性
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 37-41
• 页数: 5页
• 分类号: TP301
• 字数: 3881字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.02.009

摘要

字典学习方法是一种非常有效的信号稀疏表示方法,在稀疏信号处理领域应用极其广泛.然而,实际应用中,训练样本和测试样本可能会受到损坏并且含有噪声和异常值,这将严重影响字典学习方法的性能.为此,不同于传统的字典学习方法从干净数据中学习字典,提出一种新型鲁棒字典学习算法,旨在处理训练样本中的异常值.该算法通过采用交替近端线性化方法求解非凸的最小l0范数,在学习鲁棒字典的同时隔离训练样本中的异常值.大量仿真对比实验表明,所提算法具有更好的鲁棒性,并能提供很好的性能改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李雷	南京邮电大学视觉认知计算与应用研究中心	82	539	12.0	18.0
2	钱阳	南京邮电大学视觉认知计算与应用研究中心	5	7	2.0	2.0