青岛大学电子信息学院
纸质出版:2022
移动端阅览
王莲子, 李钟晓, 陈倩倩, 等. 基于信号子空间低维表征的快速字典学习算法[J]. 传感器与微系统, 2022,(8):144-147+152.
基于信号子空间低维表征的快速字典学习算法[J]. 2022, (8): 144-147+152.
王莲子, 李钟晓, 陈倩倩, 等. 基于信号子空间低维表征的快速字典学习算法[J]. 传感器与微系统, 2022,(8):144-147+152. DOI: 10.13873/J.1000-9787(2022)08-0144-04.
基于信号子空间低维表征的快速字典学习算法[J]. 2022, (8): 144-147+152. DOI: 10.13873/J.1000-9787(2022)08-0144-04.
为提高字典学习效率,针对学习中需大量样本训练且高冗余度问题,提出一种基于信号子空间低维表征的快速字典学习算法。新算法挖掘高维信号内部本征结构进行子空间分析,使训练样本低维表征原信号,通过特征变换获原始字典以实现稀疏表示。对语音及图像信号进行处理,从运行时间、稀疏性及均方根误差(RMSE)方面分析学习效果,研究结果表明:与K奇异值分解(K-SVD)相比,新算法以提升近1/2的训练效率表现了优秀的学习与降噪能力,具有较强的应用前景。
为提高字典学习效率,针对学习中需大量样本训练且高冗余度问题,提出一种基于信号子空间低维表征的快速字典学习算法。新算法挖掘高维信号内部本征结构进行子空间分析,使训练样本低维表征原信号,通过特征变换获原始字典以实现稀疏表示。对语音及图像信号进行处理,从运行时间、稀疏性及均方根误差(RMSE)方面分析学习效果,研究结果表明:与K奇异值分解(K-SVD)相比,新算法以提升近1/2的训练效率表现了优秀的学习与降噪能力,具有较强的应用前景。
改进PCA算法及其在转子特征提取中的应用 [J]. 李伟光,郭明军,杨期江,赵学智,李国臣. 振动.测试与诊断 . 2020(03)
基于压缩感知的设备多源信息传输与分类算法 [J]. 赵小虎,王刚,宋泊明,于嘉成. 通信学报 . 2020(02)
VTC-KSVD:一种融合视觉特征与标签一致性的多标签图像标注方法 [J]. 张菊莉,贺占庄,戴涛,张君毅. 北京理工大学学报 . 2020(02)
基于核稀疏表示的人脸人耳融合识别算法的研究 [J]. 张明,黄炳家,郑秋梅. 现代电子技术 . 2019(04)
基于TL 1 范数的改进K-SVD字典学习算法 [J]. 袁超,李海洋. 计算机与数字工程 . 2017(12)
R1范数约束的流形正则化最优均值主成分分析算法 [J]. 卢桂馥,邹健,王勇. 小型微型计算机系统 . 2016(09)
基于字典学习的非线性降维方法 [J]. 郑思龙,李元祥,魏宪,彭希帅. 自动化学报 . 2016(07)
基于PCA子字典学习的图像超分辨率重建 [J]. 首照宇,吴广祥,张彤. 计算机工程与设计 . 2015(11)
字典学习模型、算法及其应用研究进展 [J]. 练秋生,石保顺,陈书贞. 自动化学报 . 2015(02)
基于主成分分析和字典学习的高光谱遥感图像去噪方法 [J]. 霍雷刚,冯象初. 电子与信息学报 . 2014(11)
基于主成分分析的字典学习 [J]. 余付平,冯有前,范成礼,沈堤. 控制与决策 . 2013(07)
结合过完备字典与PCA的小样本语音情感识别方法 [J]. 毛启容,赵小蕾,白李娟,王治锋,詹永照. 江苏大学学报(自然科学版) . 2013(01)
基于峰度ICA和本征图像滤波的超高斯信号去噪方法 [J]. 孙婷婷,崔少华. 河北师范大学学报(自然科学版) . 2020(03)
利用结构化和一致性约束的稀疏表示模型进行红外和可见光图像融合 [J]. 王凡,王屹,刘洋. 信号处理 . 2020(04)
Pattern Recognition of Single-Channel sEMG Signal Using PCA and ANN Method to Classify Nine Hand Movements [J] . Moh Arozi,Wahyu Caesarendra,Mochammad Ariyanto,M. Munadi,Joga D. Setiawan,Adam Glowacz. Symmetry . 2020 (4)
Average Performance of Orthogonal Matching Pursuit (OMP) for Sparse Approximation [J] . Schnass Karin. IEEE Signal Processing Letters . 2018 (12)
Joint sparse model-based discriminative K-SVD for hyperspectral image classification [J] . Ziyu Wang,Jianxiong Liu,Jing-Hao Xue. Signal Processing . 2017
Improving Dictionary Learning: Multiple Dictionary Updates and Coefficient Reuse. [J] . Leslie N. Smith,Michael Elad. IEEE Signal Process. Lett. . 2013 (1)
<tex>$rm K$</tex>-SVD: An Algorithm for Designing Overcomplete Dictionaries for Sparse Representation [J] . M. Aharon,M. Elad,A. Bruckstein. IEEE Transactions on Signal Processing . 2006 (11)
Compressed sensing. [J] . David L. Donoho. IEEE Trans. Information Theory . 2006 (4)
0
浏览量
62
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621