资源描述：
《字典学习模型、算法及其应用研究进展》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第41卷第2期自动化学报Vol.41,No.22015年2月ACTAAUTOMATICASINICAFebruary,2015字典学习模型、算法及其应用研究进展练秋生1石保顺1陈书贞1摘要稀疏表示模型常利用训练样本学习过完备字典,旨在获得信号的冗余稀疏表示.设计简单、高效、通用性强的字典学习算法是目前的主要研究方向之一,也是信息领域的研究热点.基于综合稀疏模型的字典学习方法已经广泛应用于图像分类、图像去噪、图像超分辨率和压缩成像等领域.近些年来,解析稀疏模型、盲字典模型和信息复杂度模型等新模型的出现丰富了字典学习理论,使得更广泛类型的信号能够被简单性"描述.本文详
2、细介绍了综合字典、解析字典、盲字典和基于信息复杂度字典学习的基本模型及其算法,阐述了字典学习的典型应用,指出了字典学习的进一步研究方向.关键词字典学习,稀疏表示,综合模型,解析模型引用格式练秋生,石保顺,陈书贞.字典学习模型、算法及其应用研究进展.自动化学报,2015,41(2):240¡260DOI10.16383/j.aas.2015.c140252ResearchAdvancesonDictionaryLearningModels,AlgorithmsandApplications111LIANQiu-ShengSHIBao-ShunCHENShu-ZhenA
3、bstractThesparsemodeloftenutilizestrainingsamplestolearnanover-completedictionary,inordertoobtaintheredundantandsparserepresentationofsignals.Designingsimple,e®ectiveand°exibledictionarylearningalgorithmsisoneofthemainandhotresearchtopicsintheinformation¯eld.Thedictionarylearningmethod
4、sbasedonsynthesissparsemodelhavebeenappliedintoimageclassi¯cation,imagedenoising,imagesuper-resolutionandcompressiveimaging.Inrecentyears,analysissparsemodel,blinddictionarymodelandinformationcomplexitymodelhavebeenproposed,whichenrichthedictionarylearningtheoryinorderandleadtoasimple
5、"descriptionforawiderangeofsignals.Inthispaper,thefundamentalmodelsanddictionarylearningalgorithmsareintroducedindetailintermsofsynthesisdictionary,analysisdictionary,blinddictionaryanddictionarylearningbasedoninformationcomplexity.Typicalapplicationsofdictionarylearningmethodsarefurth
6、erillustrated.Finally,thedirectionsforfurtherresearchofthedictionarylearningarepointedout.KeywordsDictionarylearning,sparserepresentation,synthesismodel,analysismodelCitationLianQiu-Sheng,ShiBao-Shun,ChenShu-Zhen.Researchadvancesondictionarylearningmodels,algorithmsandapplications.Acta
7、AutomaticaSinica,2015,41(2):240¡260在信号处理领域,人们一直对信号的简单性"对视觉信息进行稀疏表示,从此稀疏性研究引起了描述高度重视.从信息论的角度看,如果信号是稀疏学者们[2¡3]的关注.生物学家指出哺乳类动物在长的,或具有某种结构,或可用某个确定的模型来表期的进化中,形成了能够快速、准确、低能耗地表示示,这样的信号称之为简单"信号.简单"信号具自然图像的视觉神经方面的能力,其关键在于哺乳有较少的信息量,由少量比特就可以表示.简单性"动物感知视觉信息时,其大脑视觉皮层中只有少量是简单信号具有的固有特性,它通常表现为稀疏
