稀疏表示（sparse representation）和字典学习
近十几年来，稀疏（sparsity）已经成为信号处理及其应用领域中处于第一位的概念之一。近来，研究人员又致力于过完备（overcomplete）信号表示的研究。这种表示不同于许多传统的表示。因为它能提供一个广阔范围的生成元素（atoms）。而冗余（redundant）信号表示的魅力正在 ...
原文：稀疏表示（Sparse Representations）
.什么是稀疏表示： 用较少的基本信号的线性组合来表达大部分或者全部的原始信号。 其中，这些基本信号被称作原子，是从过完备字典中选出来的 而过完备字典则是由个数超过信号维数的原子聚集而来的。可见，任一信号在不同的原子组下有不同的稀疏表示。 假设我们用一个M N的矩阵表示数据集X，每一行代表一个样本，每一列代表样本的一个属性，一般而言，该矩阵是稠密的，即大多数元素不为 。 稀疏表示的含义是，寻找一个 ...
2017-12-27 22:49 3 30043 推荐指数：
相关推荐
{Reship}{Sparse Representation}稀疏表示入门
声明：本人属于绝对的新手，刚刚接触“稀疏表示”这个领域。之所以写下以下的若干个连载，是鼓励自己不要急功近利，而要步步为赢！所以下文肯定有所纰漏，敬请指出，我们共同进步！ 踏入“稀疏表达”（Sparse Representation）这个领域，纯属偶然中的必然。之前一直在研究压缩感知 ...
[综] Sparse Representation 稀疏表示 压缩感知
稀疏表示 分为 2个过程：1. 获得字典（训练优化字典；直接给出字典），其中字典学习又分为2个步骤：Sparse Coding和Dictionary Update；2. 用得到超完备字典后，对测试数据进行稀疏编码Sparse Coding，求出稀疏矩阵。 1. 训练字典的方法：MOD ...
sparse 稀疏函数的用法
sparse函数 功能：创建稀疏矩阵 用法1：S=sparse(X)—将矩阵X转化为稀疏矩阵的形式，即矩阵X中任何零元素去除，非零元素及其下标（索引）组成矩阵S。 如果X本身是稀疏的，sparse(X)返回S。 举例如下： 用法2：S ...
基于稀疏表示的图像超分辨率《Image Super-Resolution Via Sparse Representation》
由于最近正在做图像超分辨重建方面的研究，有幸看到了杨建超老师和马毅老师等大牛于2010年发表的一篇关于图像超分辨率的经典论文《ImageSuper-Resolution Via Sparse Representation》，于是对该论文进行大概的翻译，如有不当之处，还请大家帮忙多多指正 ...
Image Super-Resolution via Sparse Representation——基于稀疏表示的超分辨率重建
经典超分辨率重建论文，基于稀疏表示。下面首先介绍稀疏表示，然后介绍论文的基本思想和算法优化过程，最后使用python进行实验。 稀疏表示 稀疏表示是指，使用过完备字典中少量向量的线性组合来表示某个元素。过完备字典是一个列数大于行数的行满秩矩阵，也就是说，它的列向量有无数种线性组合来表达 ...
稀疏傅里叶变换（sparse FFT）
意味着频谱越宽，有限信号内可认为信号在宽开频域稀疏分布，最近较为流行的稀疏FFT（SFFT）是在传统FFT的 ...
scipy.sparse 稀疏矩阵
from 博客园（华夏35度）http://www.cnblogs.com/zhangchaoyang 作者:Orisun 本文主要围绕scipy中的稀疏矩阵展开，也会介绍几种scipy之外的稀疏矩阵的存储方式。 dok_matrix 继承自dict，key是(row,col ...