《稀疏表示學習理論與套用》是2023年上海財經大學出版社出版的圖書。
基本介紹
- 中文名：稀疏表示學習理論與套用
- 出版時間：2023年11月1日
- 出版社： 上海財經大學出版社
- ISBN：9787564242053
內容簡介,目錄,
內容簡介
本書介紹稀疏表示學習理論與相關套用。第1章概述信號稀疏性與壓縮感知的關係、壓縮感知的研究內容。第2章介紹稀疏概念與稀疏表示數學模型。第3章介紹小波變換、脊波變換及曲波變換。第4章討論信號重構的確定性與機率性證明。第5章討論稀疏表示字典學習。第6章討論LASSO模型及其套用。第7章討論Dantzig選擇器理論。第8章討論稀疏貝葉斯分類模型。第9章分析次梯度最佳化方法、閾值疊代方法、交替方向乘子法、坐標下降法等。第10章分析Lq最佳化近似計算方法。第11章分析稀疏子空間聚類算法。第12到14章探討稀疏表示在人臉檢測與識別、運動檢測、非負矩陣分解等中的相關套用。本書可作為人工智慧、模式識別、圖像信息處理與計算機以及套用數學等相關專業的本科大學生和研究生的參考書。
目錄
第1章 稀疏表示與壓縮感知概述
1.1 稀疏性實例
1.2 稀疏表示的研究背景
1.3 信號稀疏表示的發展
1.4 信號稀疏表示概述
1.5 壓縮感知理論
本章小結
第2章 稀疏表示模型
2.1 稀疏性的概念
2.2 信號稀疏一冗餘表示
2.3 稀疏表示模型
2.4 稀疏表示學習算法
本章小結
第3章 小波變換、脊波變換及曲波變換
3.1 小波變換
3.2 脊波變換
3.3 曲波變換
本章小結
第4章 稀疏表示理論分析
4.1 問題(P0)和問題(P1)的等價性
4.2 稀疏表示理論機率性證明
4.3 稀疏隨機矩陣的有限等距性質
本章小結
第5章 稀疏字典學習
5.1 稀疏字典學習概述
5.2 匹配追蹤算法
5.3 非監督字典學習
5.4 稀疏分解ASR算法
本章小結
第6章 LASSo模型
6.1 LASSO概述
6.2 LASSO里論
6.3 LASSO模型求解
6.4 仿真實驗分析
本章小結
第7章 Dantzig選擇器
7.1 Dantzig選擇器模型
7.2 DS I題解特性分析
7.3 原始對偶追蹤算法分析
7.4 原始對偶內點法
7.5 ADMM求解Dantzig選擇器
7.6 DASSO方法
7.7 仿真實驗分析
本章小結
第8章 稀疏貝葉斯學習
8.1 稀疏貝葉斯學習概述
8.2 正則化稀疏貝葉斯學習
8.3 機率稀疏表示分類方法
本章小結
第9章 稀疏表示中常用的最佳化算法
9.1 次梯度最佳化算法
9.2 ADMM算法
9.3 近端線性化近似布雷格曼(Bregman)算法
9.4 坐標下降法
9.5 閾值疊代法
本章小結
第10章 Lq最佳化模型近似計算方法
10.1 L0範數平滑函式法
10.2 L1/2正則化理論
10.3 疊代重加權Lq極小化算法
10.4 疊代重加權最小二乘法
本章小結
第11章 稀疏子空間聚類
11.1 子空間聚類概述
11.2 稀疏子空間聚類
11.3 稀疏子空間聚類社區發現
本章小結
第12章 基於稀疏表示的人臉識別與檢測
12.1 基於稀疏表示的人臉識別方法
12.2 基於稀疏表示的人臉檢測方法
本章小結
第13章 基於稀疏表示的運動目標檢測
13.1 RPCA運動目標檢測方法
13.2 基於低秩一稀疏表示的運動目標檢測方法
13.3 基於低秩一稀疏與全變分表示的運動目標檢測方法
本章小結
第14章 稀疏約束條件下的非負矩陣分解
14.1 非負矩陣分解概述
14.2 非負矩陣分解疊代算法
14.3 SSC-NMF結合的社區發現方法
14.4 仿真實驗分析
本章小結
參考文獻
