文献

J-GLOBAL ID：201702263271330797   整理番号：17A0887902

重みづけl_1ノルムを用いたスパース表現のための辞書学習【Powered by NICT】

Dictionary learning for sparse representation using weighted l₁-norm

著者 (6件)： Zhao Haoli (School of Computer Science and Engineering, The University of Aizu, Aizu-Wakamatsu City, Fukushima 965-8580, Japan) ,  Ding Shuxue (School of Computer Science and Engineering, The University of Aizu, Aizu-Wakamatsu City, Fukushima 965-8580, Japan) ,  Li Yujie (School of Computer Science and Engineering, The University of Aizu, Aizu-Wakamatsu City, Fukushima 965-8580, Japan) ,  Li Zhenni (School of Computer Science and Engineering, The University of Aizu, Aizu-Wakamatsu City, Fukushima 965-8580, Japan) ,  Li Xiang (School of Computer Science and Engineering, The University of Aizu, Aizu-Wakamatsu City, Fukushima 965-8580, Japan) ,  Tan Benying (School of Computer Science and Engineering, The University of Aizu, Aizu-Wakamatsu City, Fukushima 965-8580, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： GlobalSIP  ページ： 292-296  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 既知信号の集合からスパース表現を達成するためにスパース性制約としてl_pノルムを有する過剰完全辞書学習のための効率的なアルゴリズムを提案した。@pノルム(0<ρ<1)の特別な重要性をスパースモデリング,l_1ノルムよりも強いに基づくスパース性促進解を導くことができるに関する最近の研究で認められている。しかし,l_pノルムが効率的に解くことが難しいような非凸最適化問題を導いた。本論文では,階層的交互更新戦略および重み付き@jノルム法は,各反復で局所的最適を見出す学習手順に導入した。このアルゴリズムは数値実験とMOD,K-SVDとFOCUSS CNDLと比較して雑音の辞書とロバスト性の回収率における利点現在有効であることを検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ロバスト性 ,  *学習 ,  *重みづけ ,  回収率 ,  *ノルム ,  アルゴリズム ,  雑音
準シソーラス用語： 数値実験 ,  非凸最適化問題 ,  スパース性 ,  *辞書学習 ,  *スパース表現 , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 重みづけ ,  ノルム ,  スパース表現 ,  辞書学習