基于稀疏表示的数据缩减解析.ppt

基于稀疏表示 的数据缩减 主要内容： 稀疏表示综述 基于稀疏表示的数据缩减 实验仿真及分析 总结 稀疏表示综述 稀疏表示的思想： 在一个足够大的训练样本空间内，对于一个类别的物体，可以大致的由训练样本子空间中同类的样本线性表示。因此当该样本由整个样本空间表示时，其表示的系数是稀疏的，即该系数向量中仅有一小部分的项是非零的。 稀疏表示综述 稀疏表示原理图： 稀疏表示综述 　　　信号的稀疏表示就是求解上图中的稀疏系数，因此稀疏表示可描述为在满足逼近误差条件前提下，从众多可能的原子组合中，选择原子数最少的组合，也就是系数最为稀疏的一个解，即 ： 表达式中 是信号 在字典上的稀疏表示，其中 为 L0范数，意为向量 中非零元素的个数. 基于稀疏表示的数据缩减 基于稀疏表示的数据缩减 对任一个训练样本用其他训练样本进行稀疏表示，得到稀疏系数矩阵X 设定一个稀疏系数阈值mu，将超过稀疏阈值对应的训练样本选出 设定一个重构残差阈值lamda，用选出的样本对样本进行重构，得到重构残差 计算缩减率，并测试选样后的训练样本数据集的性能 3. 4. 测试识别 1. 2. 实验仿真结果及分析 实验平台：Matlab 7.0 实验数据库： ORL人脸数据库：由40个人的400幅图像所组成，每个人的任意8张作为训练样本集，每个人剩余的2张图片作为测试样本集，训练样本集中包含320张，测试样本集中包含80张。 PIE数据库中的Pose-05部分：包括68类图片，每类49张，任取每类中的20张用作训练，剩余用作测试，则训练样本为1360张。 yale b数据库：由31个人的1984张图片组成，每个人的任意32张用作训练，剩余32张用作测试，测试与训练都为992张。 实验仿真结果及分析 1 2 3 4 5 6 7 8 9 10 average 0.05 96.25 98.75 96.25 92.50 96.25 92.50 97.50 95.00 92.50 97.50 95.25 0.08 96.25 98.75 95.00 92.50 96.25 91.25 97.50 95.00 92.50 97.50 95.25 0.09 96.25 97.50 95.00 92.50 96.25 91.25 97.50 95.00 92.50 97.50 95.13 0.10 95.00 97.50 96.25 92.5 96.25 91.25 97.50 95.00 92.50 97.50 95.13 0.12 93.75 97.50 95.00 91.25 96.25 91.25 97.50 95.00 92.50 97.50 94.75 0.15 95.00 97.50 95.00 90.00 96.25 91.25 97.50 93.75 92.50 97.50 94.63 0.16 93.75 97.50 95.00 90.00 95.00 91.25 97.50 95.00 92.50 97.50 94.50 0.20 93.75 96.25 95.00 90.00 96.25 91.25 97.50 95.00 90.25 97.50 94.38 0.25 96.25 96.25 95.00 91.25 96.25 91.25 97.5 95.00 92.50 97.50 94.88 0.30 96.25 98.75 95.00 92.50 96.25 91.25 97.50 95.00 91.25 97.50 95.13 对比 96.25 98.75 95.00 92.50 96.25 91.25 97.50 95.00 92.50 97.50 95.25 库上 时的识别率（%） 实验仿真结果及分析 1 2 3 4 5 6 7 8 9 10 average 0.05 285 289 292 287 290 293 291 291 296 292 291 0.08 246 242 245 244 244 246 245 249 241 240 244 0.09 224 228 227 231 227 233 229 235 225 226 229 0.10 213 206 211 218 210 220 216 224 211 212 214 0.12 183 185 191 191 186 193 196 195 193 190 190 0.15 158 159 167 163 165 167 164 168 168 161 164 0.16 149 153 160 155 157 161 160 164 158 156 157 0.20 142 139 143 141 142 148 141 143 146 140 143