倪一宁
- 作品数：1 被引量：1H指数：1
- 供职机构：南京工业大学电子与信息工程学院更多>>
- 发文基金：江苏省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于一种网络结构的块稀疏字典学习被引量：1
- 2016年
- 以过完备字典为基础,信号可以被描述为原子的稀疏线性组合。在以往的字典学习方法中,大都是以单个原子为单位进行字典学习。利用稀疏子空间聚类的方法将字典中具有相同稀疏表达形式的原子归类为一组,形成具有块结构的字典,然后对训练信号稀疏编码,最后结合梯度下降的方法对字典进行更新。实验结果表明,该方法在相同迭代次数下的优化收敛速度较快,而且对信号的重构误差率优于传统方法。另外,所构造一种对称网络结构的字典学习流程框架,不同于一次性用全部训练数据进行训练的方法,该学习流程每处理一组信号,字典进行一次更新,实现了对字典的分步更新。
- 倪一宁彭宏京
- 关键词：梯度下降
