基于lp-box ADMM的k稀疏编码
随着现代信息技术的高速发展，人们在日常生活中可通过各种传感设备和计算机网络方便地获取所需的数据和信息，数据正在呈现爆炸式增长，深刻影响着人类社会的方方面面。如何从海量数据中分析出有价值的信息，以便充分发挥其在互联网、销售、安防、交通、医疗等众多领域的作用，是非常重要的课题.有效地处理大规模高维数据成为当下亟需解决的主要问题,而稀疏编码可以通过对信息进行稀疏表示而降低存储难度，在处理高维大数据问题等方面具有潜在的研究价值和巨大的应用价值.稀疏编码作为一项交叉问题，涉及神经生物学、心理学以及计算机科学等多个研究领域。对稀疏编码理论的不断深入研究表明在实际应用中该理论在实际应用中具有存储量大等优点从而广泛应用于信号和图像处理、模式识别等领域，并且能够促使人工智能的进一步发展。本文提出一种k稀疏编码(k-SC)方法来获得具有特定k稀疏性的编码，也就是说自适应地从与字典数据集中挑选重构误差最小的k个数据点来进行样本线性重构.由于整数稀疏优化计算问题通常是NP-难的,因此本文采用lp-box ADMM方法，首先将原整数稀疏编码问题转化为0-1整数规划问题，然后将0-1整数约束条件替换为等价的两个连续性约束条件，并将新的优化问题通过交错方向优化ADMM算法来实现模型求解.本文通过对不同数据集进行算法实验，从收敛性和准确率两方面证明了基于lp-box的ADMM解在k稀疏编码问题中的有效性.
稀疏编码;k稀疏;图像处理;lp-boxADMMf方法
温州大学
硕士
应用数学
叶修梓
2018
中文
TP391.41
2019-01-18（万方平台首次上网日期，不代表论文的发表时间）