一种基于拟牛顿法的CS投影矩阵优化算法

压缩感知(Compressed Sensing,CS)理论中,投影矩阵优化是一类通过提高观测数据信息量而改善性能的方法.由于投影矩阵与稀疏字典内积构造的Gram矩阵必定奇异,基于广义逆矩阵求解方法存在计算精度的问题.本文提出了一种利用拟牛顿法的CS投影矩阵优化算法.该算法分为两步:一是利用阈值函数约束Gram矩阵非对角线元素,使投影矩阵与稀疏字典的互相关系数逼近Welch界;二是采用秩2校正得到Hessian阵逆近似去修正梯度搜索方向.两个步骤交替执行,直到解出符合优化要求的投影矩阵.该算法始终保持下降性,具有超线性收敛速度,避免了矩阵函数二阶导数复杂的计算,计算量较小.实验结果表明,当信号稀疏度或观测数据相同时,本文算法的重构结果优于其他算法.

基于特征优化与稀疏表示的3D掌纹分类

针对大数据背景下3D掌纹技术存在的问题,提出一种基于优化投影矩阵的3D掌纹稀疏表示识别技术架构。系统首先提取3D掌纹表面类型特征,然后利用分块方向梯度直方图构成训练样本,通过优化设计投影矩阵,使得同类掌纹投影特征互相关性变大,异类掌纹投影特征互相关性变小;最后利用投影后3D掌纹特征稀疏表示分类,并比较L0/L1/L2范数各种快速算法性能。通过投影优化后的系统,在识别率和实时性上都有所改善,仿真实验证实了研究工作的有效性。