基于竞争聚集的K-SVD字典学习算法

来源：计算机技术与发展杂志2015年第11期北京时间：

作者：余琨;荆晓远;吴飞;姚永芳

摘要：在基于稀疏表示分类的模式识别中,字典学习可以为稀疏表示获得更为精简的数据表示.然而,字典大小是衡量识别精度和速度的重要因素,优化字典设计能同时满足这两方面的需求.文中提出了一种新的技术叫作基于竞争聚集的K奇异值字典学习方法(CA-KSVD).该方法优化了字典的大小,并同时保证了识别的准确率.CA-KSVD将竞争聚集算法中优化簇数的原理引入K-SVD,从而提高了K-SVD的字典学习能力.优化过程从输入大量字典原子开始,逐步减少那些未充分利用或相似的原子,最后得到高性能的字典,它不再包含那些冗余的原子.Extend YaleB和AR人脸数据库上的实验结果表明了文中算法的有效性.

关键词：稀疏表示;字典学习;聚类;竞争聚集;K-SVD算法