文献类型：期刊文章

作　　者：练秋生[1] 石保顺[1] 陈书贞[1]

机构地区：[1]燕山大学信息科学与工程学院,秦皇岛066004

出　　处：《自动化学报》

基　　金：国家自然科学基金(61471313);河北省自然科学基金(F2014203076)资助~~

年　　份：2015

卷　　号：41

期　　号：2

起止页码：240-260

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、EI(收录号：20151300678585)、IC、INSPEC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：稀疏表示模型常利用训练样本学习过完备字典,旨在获得信号的冗余稀疏表示.设计简单、高效、通用性强的字典学习算法是目前的主要研究方向之一,也是信息领域的研究热点.基于综合稀疏模型的字典学习方法已经广泛应用于图像分类、图像去噪、图像超分辨率和压缩成像等领域.近些年来,解析稀疏模型、盲字典模型和信息复杂度模型等新模型的出现丰富了字典学习理论,使得更广泛类型的信号能够被"简单性"描述.本文详细介绍了综合字典、解析字典、盲字典和基于信息复杂度字典学习的基本模型及其算法,阐述了字典学习的典型应用,指出了字典学习的进一步研究方向.

关 键 词：字典学习 稀疏表示  综合模型  解析模型

分 类 号：TN911.7]