闪电gogogo-CSDN博客

原创浅读K-means

百度百科释义为：K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。在数据挖掘中，K-Means算法是一种cluste

2017-08-02 22:16:56 488

转载压缩感知中的lp球：p范数最优化为什么总会导致一个稀疏的解的原因

题目：压缩感知中的lp球：p范数最优化为什么总会导致一个稀疏的解的原因================问题的引出================压缩感知中为了解释0范数或1范数最优化为什么总会导致一个稀疏解的原因在解释时经常使用lp球与直线的交点去解释，下面论文中就是这样子解释的：戴琼海，付长军，季向阳.压缩感知研究[J].计算机学报，2011，34(3)：425-434.在上

2017-07-26 10:25:03 1311

原创有限等距性质RIP

参考博客：http://blog.csdn.net/jbb0523/article/details/44565647压缩感知测量矩阵之有限等距性质（Restricted Isometry Property,RIP）》定义不同的文献对RIP定义的表达不同，详细可参考博客中的定义，在这里选取一种自己比较能理解的定义，如下所示：！！！重点，RIP是对

2017-07-20 11:23:49 2094 1

原创 P问题、NP问题、NPC问题

看师兄们的论文经常说一句这是个NP难问题，所以采用另外一种方法来代替（比如凸松弛，把l0范数的问题松弛为l1范数的问题来求解）。然后搜索了相关知识，也还是没看太懂，把一些理论知识先贴上来，希望以后再接触到会有更好的理解。参考来源：http://blog.csdn.net/jbb0523/article/details/40710449》简要介绍（简单介绍了相关概念和从属

2017-07-13 09:59:52 1985 1

转载压缩感知中的数学知识：稀疏、范数、符号arg min

本次说三个问题：1、稀疏2、范数3、符号arg min前面两个问题从矩阵理论的书籍中应该可以找到，最后一个问题从最优化类的书籍中应该可以找到。=========================以下为正文=========================1、稀疏：什么是K稀疏呢？在压缩感知里经常提到 “K稀疏” 的概念，这个是很容易理解的：也就是对于长度为N的向量

2017-07-03 11:07:08 627 1

原创关于压缩感知的一些小原理

压缩感知（CompressiveSensing, or Compressed Sensing）或译为压缩传感，或者称为压缩采样（Compressive sampling），以下统称压缩感知，简称CS。在压缩感知的有关文献中几乎都在说“压缩感知突破了传统的Nquist/Shannon抽样定理的限制，它摒弃了传统压缩系统先以Nyquist采样速率采样再压缩的方法，而是边采

2017-07-01 10:51:24 901

原创压缩感知“Hello World”代码初步学习

1. 原始信号f是什么？我采集的是原始信号f还是y = Af得到的y？记原始信号为f，我们在sensor方得到的原始信号就是n*1的信号f，而在receiver方采集到的信号是y。

2017-06-20 11:26:56 2540 2

原创非凸问题与凸问题求解

》凸优化的好处1）如果一个实际的问题可以被表示成凸优化问题，那么我们就可以认为其能够得到很好的解决。2）还有的问题不是凸优化问题，但是凸优化问题同样可以在求解该问题中发挥重要的左右。比如松弛算法和拉格朗日松弛算法，将非凸的限制条件松弛为凸限制条件。3）对于凸优化问题来说，局部最优解就是全局最优解。4）若f(x)在非空可行集

2017-06-19 21:16:38 19865 6

转载机器学习中的SVD

2017-06-10 17:10:24 347

转载 KSVD

1. 算法简介K-SVD可以看做K-means的一种泛化形式，K-means算法总每个信号量只能用一个原子来近似表示，而K-SVD中每个信号是用多个原子的线性组合来表示的。K-SVD通过构建字典来对数据进行稀疏表示，经常用于图像压缩、编码、分类等应用。2. 主要问题Y = DXWhere Y∈R(n*N), D∈R(n*K), X∈R(k*N

2017-06-10 17:07:16 5231

原创 CS重构之CoSaMP

压缩采样匹配追踪(CompressiveSampling MP)是D. Needell继ROMP之后提出的又一个具有较大影响力的重构算法。CoSaMP也是对OMP的一种改进，每次迭代选择多个原子，除了原子的选择标准之外，它有一点不同于ROMP：ROMP每次迭代已经选择的原子会一直保留，而CoSaMP每次迭代选择的原子在下次迭代中可能会被抛弃。在这之前先读了下参考论文[1]，论文前面还是看得懂一

2017-04-13 21:47:45 2504 4

原创稀疏分解中的MP与OMP算法

MP：matching pursuit匹配追踪OMP：正交匹配追踪主要介绍MP与OMP算法的思想与流程，解释为什么需要引入正交？！！今天发现一个重大问题，是在读了博主的正交匹配追踪(OMP)在稀疏分解与压缩感知重构中的异同，http://blog.csdn.net/jbb0523/article/details/45100659之后一脸懵逼，CS中的稀疏表示不就

2017-04-12 15:11:57 40681 14

闪电gogogo的博客