-
题名基于双迭代聚能量字典学习的数据压缩算法
被引量:6
- 1
-
-
作者
代少飞
刘文波
王郑毅
李开宇
-
机构
南京航空航天大学自动化学院
高速载运设施的无损检测监控技术工业和信息化部重点实验室
-
出处
《数据采集与处理》
CSCD
北大核心
2021年第6期1147-1156,共10页
-
基金
国家重点研发计划(2018YFB2003304)资助项目
国家自然科学基金(61871218)资助项目
中央高校基本科研业务费(NJ2019007,NJ2020014)资助项目。
-
文摘
针对基于稀疏表示(Sparse representation,SR)的数据压缩压缩率低、重构精度低等问题,本文提出一种基于双迭代的聚能量字典学习算法,把高维信号映射到低维特征空间,当低维特征空间保留高维原始信号越多的特征时,高维信号从低维特征空间中恢复出来的精度越高。为了使低维字典保留高维字典更多的主成分,本文提出了一个新的变换,被命名为?变换,能提升高维字典的能量集中性。除此之外,针对高维字典与低维字典的耦合关系,建立了双循环迭代训练,增加字典的能量集中性与字典的表达能力。实验表明,相比于传统算法,本文提出算法字典学习收敛速度提升了3倍以上。此外,该方法可以得到较高的压缩比和更高质量的重构信号。
-
关键词
字典学习
聚能量字典
稀疏表示
数据压缩
低维特征
-
Keywords
dictionary learning
concentrated dictionary
sparse representation(SR)
data compression
lowdimensional features
-
分类号
TN911
[电子电信—通信与信息系统]
-