| 查看: 10313 | 回复: 45 | |||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||
[交流]
压缩感知和稀疏表示有什么区别 已有34人参与
|
|||
|
压缩感知和稀疏表示有什么区别： 看啦很多论文之后，也是稀里糊涂，突然想到了这个问题； 如果相同，为什么不是同一个名称；如果不同，差异在何处； 求解》》 |
回复此楼» 本帖已获得的红花（最新10朵）
» 猜你喜欢
现代”学阀”该如何界定
已经有4人回复
-
我的奶奶
已经有3人回复
-
各位大神，目前国内有哪些比较好用的逆合成软件？
已经有10人回复
-
申博发邮件
已经有10人回复
-
国社科系统bug了，是不是要放榜了？
已经有9人回复
-
上海工程技术大学激光智能制造课题组｜2027级博士研究生招生公告
已经有8人回复
-
上海工程技术大学激光智能制造课题组招收博士研究生
已经有8人回复
diandiantjjq
银虫 (小有名气)
- 应助: 0 (幼儿园)
- 金币: 35.5
- 散金: 429
- 红花: 1
- 帖子: 157
- 在线: 22.7小时
- 虫号: 940904
- 注册: 2010-01-11
- 专业: 模式识别
★
小木虫: 金币+0.5, 给个红包，谢谢回帖
送鲜花一朵
小木虫: 金币+0.5, 给个红包，谢谢回帖
送鲜花一朵 |
我最近也在思考这个问题，最初的时候，我觉得这两个东西的数学模型、目标函数都差不多，在求解过程中使用的算法也差不多，感觉区别在哪呢？压缩感知y = A*x，其中在求解目标函数过程中A是不动的，已知测量值y求，原始信号的稀疏解；而Y ＝ D＊x中，是要训练字典D,y是原始信号，x是对应的稀疏表示； 从上面稀疏表达和压缩感知的模型中，可以看出它们的核心问题是相通的，即在压缩测量y或原始信号y已知的情况下，结合预先定义的感知矩阵A或者字典A，利用L0,L1范数模型（可以是它们的融合，甚至可以加上L2范数[3]），求解到原始的稀疏信号x或者稀疏表达x，但是在压缩感知中，感知矩阵A一般是事先定义好的，可以取成高斯随机矩阵，或者是只有0和1的稀疏矩阵（binary sparse ）；也有人说压缩感知是稀疏表达的一个分支，具体是怎么理解的，也不知道是否正确。 |
27楼2013-01-17 20:44:59
yishuipang
铁杆木虫 (职业作家)
- 应助: 47 (小学生)
- 金币: 5720.3
- 散金: 273
- 红花: 23
- 帖子: 4549
- 在线: 486.1小时
- 虫号: 458628
- 注册: 2007-11-13
- 专业: 信息处理方法与技术
2楼2012-10-14 10:13:05
sololee2010
木虫 (正式写手)
飞仔
- 应助: 2 (幼儿园)
- 金币: 3705.9
- 散金: 77
- 红花: 1
- 帖子: 369
- 在线: 170.7小时
- 虫号: 1612306
- 注册: 2012-02-11
- 性别: GG
- 专业: 信号理论与信号处理
★ ★ ★
小木虫: 金币+0.5, 给个红包，谢谢回帖
mze04532: 金币+2, 很详细，鼓励~ 2012-10-14 15:58:06
流之源: 回帖置顶 2012-10-18 14:29:33
小木虫: 金币+2, 帖子真精彩 2014-03-02 19:12:20
小木虫: 金币+0.5, 给个红包，谢谢回帖
mze04532: 金币+2, 很详细，鼓励~ 2012-10-14 15:58:06
流之源: 回帖置顶 2012-10-18 14:29:33
小木虫: 金币+2, 帖子真精彩 2014-03-02 19:12:20
| 压缩感知只是借用稀疏表示为工具，来实现信号重构啊。 你要注意到CS的恢复矩阵A = Phi * Psi 和稀疏表示中字典D的区别。 多了一个测量矩阵Phi，这就是CS与稀疏表示的区别的地方。CS的关键是非相关测量，也就是Phi与Psi的关系，以及非相关测量，如何通过硬件在光域中实现。只要满足非相关测量，在重构信号时就可以采用稀疏表示的一些找系数的算法，例如OMP、GPSR来来实现重构了。 不过需要提醒的时，CS的重构不光是稀疏表示算法一种方法来完成，还有很多种方法。不同的应用领域，有不同的算法能够获得较好效果。希望对你有用。 |
» 本帖已获得的红花（最新10朵）
3楼2012-10-14 13:42:42
chenn_victor
铁杆木虫 (正式写手)
- 应助: 6 (幼儿园)
- 金币: 5067.8
- 红花: 3
- 帖子: 395
- 在线: 287小时
- 虫号: 21039
- 注册: 2003-08-21
- 专业: 计算机科学
4楼2012-10-14 16:16:58