K-SVD

K-SVD

K-SVD是一種經典的字典訓練算法,依據誤差最小原則,對誤差項進行SVD分解,選擇使誤差最小的分解項作為更新的字典原子和對應的原子係數,經過不斷的疊代從而得到最佳化的解。

基本介紹

  • 中文名:K-SVD
  • 提出時間:2006年
  • 提出者:Michal Aharon、Michael Elad等
  • 類型:字典訓練算法
K-SVD算法是2006年由以色列理工學院的Michal Aharon、Michael Elad等人提出來,是一種非常經典的字典訓練算法,並且達到了很好的訓練效果。其目的是解決下列矩陣等式的解:
其中
是要訓練的字典,
對應字典
的稀疏係數矩陣
是要訓練的樣本。當矩陣的維數很高時,即使使用計算機軟體(如matlab)也很難求解矩陣方程,而該算法正是解決了高維矩陣求解的問題。

相關詞條

熱門詞條

聯絡我們