文档介绍：万方数据
网络出版地址::∥..采用遗传算法的分层贪婪字典训练算法学报安交通大徐健,景明利氪,常志国摘要:针对稀疏表示残差过大的问题,,然后将问题划分为若干个子问题,,使用遗传算法来练每一层字典,,先采用号码矩阵对样本的分类进行表示,然后以平均低秩逼近的残差能量作为衡量适应度的参数,以联赛选择的方式选出优胜个体,,该算法在训练样本量较小的情况下,与传统的核奇异值分解算法相比,:稀疏表示;信号重建;字典训练;:文献标志码:恼卤嗪牛琎..西安交通大学电子与信息工程学院,,西安;靼灿实缪г和ㄐ庞胄畔⒐こ萄г海靼玻ぐ泊笱畔⒐こ萄г海靼保琂—瓼,:—:徐健,女,博士生;齐春ㄐ抛髡,男,教授,博士生导师,基金项目:国家自然科学基金资助项目;:——.珻珻’:.—甌琣甌瑃琣.:;;;.,’,,——琗痑,’,.甋
万方数据
植闾袄纷值溲盗匪惴://剩甹甤更新的实时陛,但该算法稀疏表示残差较大;假设狤#琘。,⋯,%,唬註∈如×,Ⅺ一琗;,狣鹼唬骸籵一图像稀疏表示是近年来图像处理和模式识别领域的研究热点,⑿〔ū浠甒、曲波浠弧⒙掷2浠坏萚,由于数学处理比较方便,这些变换都拥有快速算法,因此被广泛应用于图像处理与模式识别领域些算法对图像的几何特征过于依赖,对于拥有多种几何特征的自然图像,‘,如:核奇异值分解淖罴驯平诘讨型备伦值淞泻稀疏表示系数,但该方法在字典训练过程中要求远远大于数据维数的样本参与训练缭谘盗值涫笔褂昧万个训练样本裨蛩惴ń会失效;热薣提出了一种快速的计算稀疏表示系数的方法,大大提高了稀疏字典的训练速度;等人岢隽舜械淖值溲盗匪惴ǎ盟惴的特点是训练样本可以单个参与训练,保证了字典等人岢隽硕喑叨鹊淖值溲盗匪惴ǎ盟惴ń典训练目标分为不同尺度进行训练,能够得到不同尺度的信号特征;等人淖值溲盗贩法可以同时使字典和系数稀疏,、去噪、复原等领域有很好的应用效理论证明,能够以最低的稀疏度表示一组信号的字典和稀疏表示系数是唯一的,,能够以一定概率搜索到全局最优解,“适者生存”的规律,即最适合环境的群体往往产生更多的后代,,适应度低的基因将被淘汰,最终留下适应度高的工程问题所使用的遗传算法往往将搜索空间映射为遗传空间,