- 博客(12)
- 收藏
- 关注
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
机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com。也可以加我的微博:@leftnoteasy前言: 上一次写了关于PCA与LDA
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
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人