基于一种网络结构的块稀疏字典学习-计算机应用与软件.PDF

第３３卷第５期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．５ ６ ２０１６年５月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｙ２０１ 基于一种网络结构的块稀疏字典学习 倪一宁　彭宏京 （南京工业大学电子与信息工程学院　江苏南京２１１８１６） 摘　要　　以过完备字典为基础，信号可以被描述为原子的稀疏线性组合。在以往的字典学习方法中，大都是以单个原子为单位进 行字典学习。利用稀疏子空间聚类的方法将字典中具有相同稀疏表达形式的原子归类为一组，形成具有块结构的字典，然后对训练 信号稀疏编码，最后结合梯度下降的方法对字典进行更新。实验结果表明，该方法在相同迭代次数下的优化收敛速度较快，而且对 信号的重构误差率优于传统方法。另外，所构造一种对称网络结构的字典学习流程框架，不同于一次性用全部训练数据进行训练的 方法，该学习流程每处理一组信号，字典进行一次更新，实现了对字典的分步更新。 关键词　　对称网络结构　块稀疏　梯度下降　字典学习与信号稀疏表示 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０５．０６５ ＢＬＯＣＫＳＰＡＲＳＥＤＩＣＴＩＯＮＡＲＹＬＥＡＲＮＩＮＧＢＡＳＥＤＯＮＡＮＥＴＷＯＲＫＳＴＲＵＣＴＵＲＥ ＮｉＹｉｎｉｎｇ　ＰｅｎｇＨｏｎｇｊｉｎｇ （ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１１８１６，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｂａｓｅｄｏｎｏｖｅｒｃｏｍｐｌｅｔｅｄｉｃｔｉｏｎａｒｙ，ｔｈｅｓｉｇｎａｌｃａｎｂｅｄｅｓｃｒｉｂｅｄａｓｓｐａｒｓｅｌｉｎｅａｒｃｏｍｂｉｎａｔｉｏｎｏｆａｔｏｍｓ．Ｉｎｐｒｅｖｉｏｕｓｄｉｃｔｉｏｎａｒｙ ｌｅａｒｎｉｎｇｍｅｔｈｏｄｓ，ｍｏｓｔｏｆｔｈｅｍａｒｅｂａｓｅｄｏｎｓｉｎｇｌｅａｔｏｍｕｎｉｔ．Ｗｅｍａｄｅｕｓｅｏｆｓｐａｒｓｅｓｕｂｓｐａｃｅｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄｔｏｒａｎｇｅｔｈｅａｔｏｍｓｗｉｔｈ ｓａｍｅｓｐａｒｓｅｅｘｐｒｅｓｓｉｏｎｆｏｒｍｉｎｔｏｏｎｅｇｒｏｕｐａｎｄｆｏｒｍｅｄａｄｉｃｔｉｏｎａｒｙｗｉｔｈｂｌｏｃｋｓｔｒｕｃｔｕｒｅ，ａｎｄｔｈｅｎｃｏｎｄｕｃｔｅｄｔｈｅｓｐａｒｓｅｃｏｄｉｎｇｏｎｔｒａｉｎｉｎｇ ｓｉｇｎａｌｓ，ｆｉｎａｌｌｙｕｐｄａｔｅｄｔｈｅｄｉｃｔｉｏｎａｒｙｉｎｃｏｍｂｉｎａｔｉｏｎｗｉｔｈｇｒａｄｉｅｎｔｄｅｓｃｅｎｔｍｅｔｈｏｄ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｈｏｗｅｄｔｈａｔｔｈｉｓｍｅｔｈｏｄｈａｄｆａｓｔｅｒ ｏｐｔｉｍｉｓｅｄｃｏｎｖｅｒｇｅｎｃｅｒａｔｅｉｎｓａｍｅｉｔｅｒａｔｉｏｎｔｉｍｅｓ，ａｎｄｗａｓｓｕｐｅｒｉｏｒｔｏｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓｉｎｓｉｇｎａｌｒｅｃｏｎｓｔｒｕｃｔｉｏｎｅｒｒｏｒｒａｔｅ．Ｂｅｓｉｄｅｓ，ｗｅ ｃｏｎｓｔｒｕｃｔｅｄａｄｉｃｔｉｏｎａｒｙｌｅａｒｎｉｎｇｐｒｏｃｅｓｓｆｒａｍｅｗｏｒｋｗｉｔｈｓｙｍｍｅｔｒｉｃａｌｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅ，ｄｉｆｆｅｒｉｎｇｆｒｏｍｔｈｅｍｅｔｈｏｄｗｈｉｃｈｕｓｅｓａｌｌｔｒａｉｎｉｎｇｄａｔａ ｏｎｅｏｆｆｉｎｔｒａｉｎｉｎｇ，ｉｎｉｔｔｈｅｄｉｃｔｉｏｎａｒｙｗｉｌｌｕｐｄａｔｅｏｎｃｅａｌｏｎｇｗｉｔｈｅａｃｈｐｒｏｃｅｓｓｉｎｇｏｆａｓｅｔｏｆｓｉｇｎａｌｓｉｎｔｈｉｓｌｅａｒｎｉｎｇｐｒｏｃｅｓｓ，ａｎｄｉｔｒｅａｌｉｓｅｓ ｔｈｅｓｔｅｐｗｉｓｅｕｐｄａｔｅｏｆｔｈｅｄｉｃｔｉｏｎａｒｙ． Ｋｅｙｗｏｒｄｓ　　Ｓｙｍｍｅｔｒｉｃａｌｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅ　Ｂｌｏｃｋｓｐａｒｓｅ　Ｇｒａｄｉｅｎｔｄｅｓｃｅｎｔ　Ｄｉｃｔｉｏｎａｒｙｌｅａｒｎｉｎｇａｎｄｓｉｇｎａｌｓｐａｒｓｅｒｅｐｒｅｓｅ