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。