公开(公告)号：CN106599903B

公开(公告)日：2020-01-21

申请号：CN201611031391.9

申请日：2016-11-22

Applicant: 电子科技大学成都研究院

Inventor： 叶娅兰 ,  何文文 ,  程云飞 ,  侯孟书 ,  徐海津 ,  邓雪松 ,  陈暘 ,  刘汉倞 ,  冯蓓

IPC: G06K9/62

Abstract: 本发明公开了一种基于相关性的加权最小二乘字典学习的信号重构方法。本发明首先利用聚类的方法将训练数据中具有相关性的信号样本归类为一组，然后以一组信号为单位更新每组字典，使得每组字典能充分地学习到每组信号的特征，最后依据得到的子字典进行集中字典学习。实验结果表明，相对于较为经典的加权最小二乘法以及K奇异值分解算法，本发明能够获得更低的均方误差，并且应用于压缩感知重构恢复领域时能获得更高的信噪比。

公开(公告)号：CN106599903A

公开(公告)日：2017-04-26

申请号：CN201611031391.9

申请日：2016-11-22

Applicant: 电子科技大学成都研究院

Inventor： 叶娅兰 ,  何文文 ,  程云飞 ,  侯孟书 ,  徐海津 ,  邓雪松 ,  陈暘 ,  刘汉倞 ,  冯蓓

IPC: G06K9/62

Abstract: 本发明公开了一种基于相关性的加权最小二乘字典学习的信号重构方法。本发明首先利用聚类的方法将训练数据中具有相关性的信号样本归类为一组，然后以一组信号为单位更新每组字典，使得每组字典能充分地学习到每组信号的特征，最后依据得到的子字典进行集中字典学习。实验结果表明，相对于较为经典的加权最小二乘法以及K奇异值分解算法，本发明能够获得更低的均方误差，并且应用于压缩感知重构恢复领域时能获得更高的信噪比。