稀疏约束投影的高效字典学习
本文研究基于稀疏性的模型和技术在信号处理和图像应用中的应用,提出了针对特定结构的稀疏化运算符学习问题的交替最小化算法,并对其收敛性进行了分析,证明了在某些假设下,该算法收敛于数据的基础稀疏化模型。同时,数值模拟表明该算法对初始值具有较强的鲁棒性。
May, 2018
字典学习方法在解决复杂的反问题方面不断受到关注。本文提出了一种工作流程来简化字典匹配过程,通过压缩字典和利用贝叶斯框架处理建模误差,以及使用组稀疏编码方法来识别不相关的子字典,然后通过稀疏编码解决匹配问题。证明了字典压缩误差的补偿和使用组稀疏编码方法对原始字典进行缩小的有效性,通过应用到 LIGO 实验和高光谱遥感中的故障检测问题来进行说明。
Sep, 2023
本文提出了一种新的稀疏表示模型,该模型采用共享字典和多个类别判定函数来描述不同类别的信号,并提出了学习该模型所有组件的优化方法,进一步提高了手写数字和纹理分类任务的准确性。
Sep, 2008
本篇论文采用概率模型,证明了采用稀疏编码时在字典生成的参考信号附近可以找到局部极小值,同时考虑过完备字典、噪声信号和可能出现的异常值,这一分析是非渐近的,可以帮助理解信号维度、原子数量、稀疏度和观察次数等关键问题如相干性或噪声级别的比例关系。
Jul, 2014
通过使用外积求和估计未知变量,然后使用块坐标下降方法来解决问题,本文探讨了连续稀疏惩罚词典学习的高效方法,并提出了与块坐标下降和外积求和方法有关的新算法来进行自适应图像重构。
Nov, 2015
该研究论文探讨了一种基于树形结构稀疏正则化规范的稀疏编码方法,提出了一种有效算法用于其优化,并通过图像、文本等实验结果展示了其在字典学习、噪声去除、主题学习等方面的应用潜力。
Sep, 2010
通过开发 NOODL (一种可行的神经可塑性交替优化在线字典学习算法)来解决字典学习中字典和系数参数优化是不凸问题的挑战,并在必要时对稀疏系数进行支持恢复,进而提高了在稀疏信号处理和神经网络等领域的实际应用价值。
Feb, 2019
本文介绍了一种通过参数化字典学习算法,以将重叠的局部模式表达为不同区域的图表上的图形信号的组合,从而设计数据适应的结构化字典,同时保留局部原子的优点,提高字典在信号处理任务(如压缩、降噪、分类)中的计算效率。
Jan, 2014
本文介绍了一种新的基于裁剪小波分解的算法,可以用于更大尺寸的图像处理和信号处理,并结合在线稀疏字典学习算法进行自适应字典训练,得到大的可适应原子 - trainlets。
Jan, 2016