文献

J-GLOBAL ID：201702286984264549   整理番号：17A0457499

l_1/2ノルム正則化器を用いた制約付き解析辞書学習【Powered by NICT】

Constrained analysis dictionary learning with the l_1/2-norm regularizer

著者 (5件)： Li Zhenni (School of Computer Science and Engineering, The University of Aizu, Aizu-Wakamatsu City, Fukushima 965-8580, Japan) ,  Hayashi Takafumi (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 Xiang (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： ICSP  ページ： 890-894  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： スパース表現は信号と画像の解析と処理のための強力なツールであることが証明されている。多くの既存スパース表現方法は合成モデルに基づいているが,本論文では,いわゆる解析モデルとスパース表現を検討した。圧縮センシング(CS)におけるl_1/ノルム正則化理論はl_1/ノルム正則化器はl_1ノルム正則化器よりも強いに基づくスパース性促進溶液を得ることができることを示した。本論文では,スパース性制約,二段階解析スパース符号化段階と解析辞書更新段階を含むとしてl_1/ノルム正則化を用いた解析辞書学習問題のための新しい効率的なアルゴリズムを提案した。解析スパース符号化段階では,適応半しきい値処理を用いて,l_1/ノルム正則化問題を解いた。解析辞書更新段階では,溶液は関連する最小二乗問題とそれに続く投影を解くことにより得られた直接的に理解できる。シミュレーション研究によれば,提案したアルゴリズムの主な利点は,異なるcosparsitiesにおけるその大きな学習効率である。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： 画像 ,  *正則化 ,  シミュレーション ,  解析モデル ,  アルゴリズム ,  *ノルム ,  最小二乗法
準シソーラス用語： 閾値処理 ,  スパースコーディング ,  スパース性 ,  圧縮センシング ,  スパース表現 ,  *辞書学習 , 【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 (5件)： ノルム ,  正則化 ,  制約 ,  解析 ,  辞書学習