K-SVD算法
来源:互联网 发布:淘宝网购物氰化钾 编辑:程序博客网 时间:2024/05/22 01:33
K-SVD算法
- 算法简介
- K-SVD可以看做K-means的一种泛化形式(由K-means扩展而来),K-means算法中每个信号量只能用一个原子来近似表示,而K-SVD中每个信号是用多个原子的线性组合来表示的。
- K-SVD通过构建字典来对数据进行稀疏表示,经常用于图像压缩、编码、分类等应用。
主要问题
其中
(其中第一个函数的意思是指求矩阵
算法求解
给定训练数据后一次找到全局最优解的字典为NP难的问题, 只能逐步逼近最优解. 构造D算法分为两步: 稀疏表示和字典更新
稀疏表示
首先设定一个初始化的字典, 用该字典对给定数据进行稀疏表示(即用尽量少的系数尽可能近似的表示数据)得到系数矩阵
字典更新
初始字典往往不是最优的, 满足稀疏性的系数矩阵表示的数据和原数据会有较大误差, 我们需要在满足稀疏度的条件下逐行逐列更新优化, 减少整体误差, 逼近可用字典. 剥离字典中第
误差值为
上式可以看做把第
求解流程
K-SVD是一个迭代的过程. 首先, 假设字典
字典D的更新是逐列进行的. 首先假设系数矩阵X和字典D都是固定的, 将要更新的是字典的第k列
得到当前误差矩阵
对于上面的问题, 如果直接用
. 形成
具体如下:
算法流程
参考:
1. http://blog.csdn.net/chlele0105/article/details/16886795
2. K-SVD: An algorithm fordesigning overcomplete dictionaries for sparse representation (IEEE Trans. OnSignal Processing 2006)
3. http://home.ustc.edu.cn/~zywvvd/files/K-SVD.pdf
4. http://blog.csdn.net/cc198877/article/details/9167989
- K-SVD算法
- K-SVD算法总结
- K-SVD算法
- K-SVD算法简介
- K-SVD算法总结
- K-SVD算法
- K-SVD算法学习
- K-SVD算法
- K-SVD算法
- K-SVD
- k-svd
- K-SVD
- K-SVD
- K-SVD
- 基于K-SVD稀疏字典的图像去噪算法
- SVD++算法
- SVD算法
- K-SVD, BM3D等
- Git填坑之路
- 51nod 1107 斜率小于0的连线的数量 (逆序数)
- HTML5 虚拟键盘出现挡住输入框的解决办法
- 一分钟搞定VS Code调试electron应用程序(主进程)
- 基于SnapDragonBoard410c开发的人脸识别
- K-SVD算法
- Python程序员必读—Python PEP8编程风格
- 安卓模拟器顶部没有菜单(三个点)的解决方法
- sed使用过程中出现的问题总结
- YAML在python中的应用
- HBase
- spring-AOP的实现
- maven生成可执行jar文件,排除其他jar中的SF,DSA,RSA等文件
- 洛谷3939 数颜色