![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
文章平均质量分 57
caikehe
坚定梦想,坚持不懈!
展开
-
稀疏表达(稀疏编码)的一些理解
我们已经进入的大数据时代,正如http://tech.sina.com.cn/it/2012-06-01/00067200478.shtml一文中所讲述的,大数据正在悄然改变我们的生活,随之而来的一个问题是我们将如何有效地处理这些大数据,稀疏表达是一种应对这个问题当前比较流行的方法。 稀疏表达将原始信号表达为字典元素的一个线性组合,如 x = D*a中,我们用x表示原始信号(列向量),D原创 2012-11-27 18:13:00 · 18118 阅读 · 2 评论 -
机器学习、数据挖掘、计算机视觉等领域经典书籍推荐
人工智能、机器学习、模式识别、计算机视觉、数据挖掘、信息检索、自然语言处理等作为计算机科学重要的研究分支,不论是学术界还是工业界,有关这方面的研究都在如火如荼地进行着,学习这些方面的内容有一些经典书籍,现总结如下,方便自己和大家以后学习研究:人工智能:《Artificial Intelligence: A Modern Approach》,第三版,Russell著,权威、经典的人工智能教材原创 2013-01-12 22:04:57 · 28388 阅读 · 5 评论 -
稀疏表达和压缩感知的一些对比
本报告将从稀疏表达和压缩感知两个方面论述我对它们的一些理解。 在压缩感知模型中: y=Ax+n (1) x表示原始信号,A表示稀疏映射矩阵,n表示加性噪声,y表示压缩测量。在此模型中,如果原始信号x满足一定的稀疏特性时,通过稀疏映射矩阵A的作用,可以将其压缩到很小的向量空间里,即y的行数比x小得多,这也体现了稀疏理论的核心思想:将高维信号用低维信号来描述。原创 2013-01-16 21:27:30 · 15278 阅读 · 1 评论