稀疏表达
来源:互联网 发布:淘宝充值平台 退款 编辑:程序博客网 时间:2024/04/29 15:26
稀疏表达是信号处理领域的一个重要的信号表达方式,而我接触到这个概念的是因为最近看的一篇点云处理的文章中用到了相关的算法。
一.什么是稀疏表达?
首先稀疏怎么理解那,简单来说,我们讲一个向量是稀疏的就是指向量中只有小部分的非零项。
稀疏表达就是用一小部分的基础信号的线性组合来表达 大多数或者完整的信号信息。这一小部分的基础信号被称为 元(atom)。元 一般 是从一个所谓的 过完备字典(over-complete dictionary)中选出的。矩阵表示:Y=D*X,D就是过完备字典,X就是稀疏向量。
过完备字典 是元的集合,而这个集合中 元的个数超过信号空间的维数,这样的话 对任意的信号 都可以由超过一种的不同元组合。
二.使用稀疏表达有哪些好处?
从上看,稀疏表达有一个明显的意义用尽可能少的基础信号来表达原始信号,这样在做变换时会简单一些。
稀疏性 是 广泛使用各种变换的原因之一,比如离散傅立叶变换,小波变换和奇异值分解。这些变换的目的一般是为了 分析信号的结构 并且以紧致或者稀疏的方式来表达这些结构。稀疏表达得到越来越多的使用,因为在很多应用中表现了很高性能,比如:降噪,压缩,特征提取,聚类,盲源分离。稀疏表达的思想也是小波降噪和聚类方法的基础,比如 支持向量机 和 相关向量机。
三.如何寻找稀疏表达?
寻找稀疏表达的技术一般称为稀疏编码。解码 只需要相关元的总和与适当的加权,但是这并是一个变换和 它的逆变换,通过一个过完备字典来生成稀疏表达是非平凡的。事实上,从任意一个词典中寻找 最小数量的元 的表达已经被证明是一个NP-hard。这样大部分的努力是在寻找一个次优方案。这些算法包括迭代的寻找单一系数的算法,比如:Matching Pursuit, Orthogonal Matching Pursuit,和同时生成所有的系数的算法,比如:Basis Pursuit, Basis Pursuit De-Noising,以及the Focal Underdetermined System Solver family of algorithms。
说完了稀疏性,回头再看,上面提到的过完备字典到底怎么得来那?留到下一篇说吧。
参考文献:http://www.see.ed.ac.uk/~tblumens/Sparse/Sparse.html
- 稀疏表达
- 稀疏表达
- 稀疏表达
- 稀疏表达
- 稀疏表达(入门)
- 转载:稀疏表达
- sparse coding稀疏表达入门
- 研究稀疏表达的单位
- ***稀疏表达:向量,矩阵,张量
- sparse coding稀疏表达入门
- 稀疏编码自编码表达
- 稀疏表达以及相关改进
- 稀疏表达(稀疏编码)的一些理解
- 稀疏表达相关的资料总结
- 稀疏表达唯一解的证明
- sparse coding稀疏表达论文列表
- 稀疏表达:向量、矩阵与张量
- 稀疏表达:向量、矩阵与张量
- 程序员的十楼层。看看自己在第几层
- QEMU-KVM 安装方法
- linux串口编程入门
- 100题 68
- Tomcat 压缩版安装与配置讲解
- 稀疏表达
- apaceh httpd-tools 压力测试 (ab工具)
- 使用原生JAVA创建WebService(基于JDK 1.6)
- LeetCode:Maximum Subarray
- Cannot resolve the collation conflict between "Chinese_PRC_CI_AS" and "SQL_L及由于排序规则不同导致查询结果为空的问题
- perl经典书籍(官方推荐)
- 正则表达式30分钟入门教程
- 基于基站信号强度定位
- INF文件详解(32位64位兼容INF)