详解 k-svd 字典学习

文章预览

（点击 上方公众号 ，可快速关注） 转自： hjimce blog.csdn.net/hjimce/article/details/50810129 好文投稿， 请点击 → 这里了解详情 一、字典学习 字典学习也可简单称之为稀疏编码，字典学习偏向于学习字典D。从矩阵分解角度，看字典学习过程：给定样本数据集Y，Y的每一列表示一个样本；字典学习的目标是把Y矩阵分解成D、X矩阵： 同时满足约束条件：X尽可能稀疏，同时D的每一列是一个归一化向量。 D称之为字典，D的每一列称之为原子；X称之为编码矢量、特征、系数矩阵；字典学习可以有三种目标函数形式 (1)第一种形式： 这种形式因为L0难以求解，所以很多时候用L1正则项替代近似。 (2)第二种形式： ε是重构误差所允许的最大值。 (3)第三种形式：   L是一个常数，稀 ………………………………