采用遗传算法的分层贪婪字典训练算法

通知公告

交大新闻

过刊浏览

04 现在的位置：首页 > 期刊导读 > 2012 > 04 >

【作者】徐健 [1,2] ; 景明利 [1] ; 齐春 [1] ; 常志国 [3]

【关键词】稀疏表示信号重建字典训练遗传算法

【摘要】针对稀疏表示残差过大的问题,提出了采用遗传算法的分层贪婪字典训练算法.该算法首先将数据样本变成一维信号,然后将问题划分为若干个子问题,采用贪婪算法思想分层训练字典.为了以一定概率寻找到每一层字典的最优值,使用遗传算法来训练每一层字典,最后将每层字典级联作为最终的字典.在训练每一层字典时,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,通过单点交叉和变异方法产生新的个体.对二值序列的稀疏表示信号重建的实验结果表明,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,训练得到的字典在同样的稀疏度约束下重建信噪比提高了10倍以上.

上一篇：主动授权管理中的关联继承机制
下一篇：采用四象限探测器的智能跟踪定位算法

04 现在的位置：首页 > 期刊导读 > 2012 > 04 >

采用遗传算法的分层贪婪字典训练算法

【作者】 徐健 [1,2] ; 景明利 [1] ; 齐春 [1] ; 常志国 [3]

【关键词】 稀疏表示 信号重建 字典训练 遗传算法

【作者】徐健 [1,2] ; 景明利 [1] ; 齐春 [1] ; 常志国 [3]

【关键词】稀疏表示信号重建字典训练遗传算法