最近在查sr的資料（a general framework for image fusion based on multi-scale transform and sparse representation），結合大神門的部落格寫一下我自己的理解，作個筆記。
稀疏表示的本質是訊號擬合的問題，使用稀疏字典中原子（基向量）的線性組合近似表達輸入訊號（目標向量），
且原子空間存在一定的冗餘。
求訊號：x ∈ r^n
依據：1.字典 d ∈ r^(n*m)，其中n（4）根據詞典學習模型：
(公式顯示不出來)
採用mod、k-svd等方法求出 d 和αi 從而求出 yi 。
SR（稀疏表示）人臉識別
寫在最前面的，我寫的這思路大概率不對。稀疏表示的實現例子 大概率不對 1 利用pca 得到的特徵向量做字典 2 取訓練集乘以該特徵向量，得到在字典空間下的係數 3 測試集乘以該特徵向量，此結果與2做內積，內積最大值的位置所屬的類別即為 該測試的分類。pca得到特徵向量u的方法請看上篇 做字典學習 u...
字典學習 稀疏表示學習筆記
首先向大家安利一下南大周志華老師寫的 機器學習 這本書，作為乙個對此一竅不通的人看了都覺得很有意思，受益匪淺。語言平實卻又乾貨十足，比某些故弄玄虛泛泛而談的其它國內教材高到不知 去了。最近看的 涉及到稀疏表示，正好這本書有講到。這兩天看了一下該書關於稀疏表示的部分 第11章 將核心知識點總結歸納一下...
稀疏表示學習
1.提出問題 什麼是稀疏表示 假設我們用乙個m n的矩陣表示資料集x，每一行代表乙個樣本，每一列代表樣本的乙個屬性，一般而言，該矩陣是稠密的，即大多數元素不為0。稀疏表示的含義是，尋找乙個係數矩陣a k n 以及乙個字典矩陣b m k 使得b a盡可能的還原x，且a盡可能的稀疏。a便是x的稀疏表示。...