陈功
- 作品数：2 被引量：5H指数：1
- 供职机构：电子工程学院更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 参数自适应调整的稀疏贝叶斯重构算法被引量：4
- 2014年
- 稀疏表示模型中的正则化参数由未知的噪声和稀疏度共同决定,该参数的设置直接影响稀疏重构性能的好坏。然而目前稀疏表示问题优化求解算法或依靠主观、或依靠相关先验信息、或经过实验设置该参数,均无法自适应地设置调整该参数。针对这一问题,该文提出一种无需先验信息的参数自动调整的稀疏贝叶斯学习算法。首先对模型中各参数进行概率建模,然后在贝叶斯学习的框架下将参数设置及稀疏求解问题转化为一系列混合L1范数与加权L2范数之和的凸优化问题,最终通过迭代优化得到参数设置和问题求解。由理论推导和仿真实验可知,已知理想参数时,该算法与其它非自动设置参数的迭代重加权算法性能相当,甚至更优;在理想参数未知时,该算法的重构性能要明显优于其它算法。
- 夏建明杨俊安陈功
- 关键词：压缩感知
- 基于稀疏线性重构的主动学习算法被引量：1
- 2013年
- 传统的主动学习算法,或需要随机选择已标注样本为基础,或忽略数据的结构细节,或需要预先设定固定的邻域规模.基于稀疏表示模型和最优实验设计方法,文中提出一种基于稀疏线性重构的主动学习算法.该算法首先用稀疏表示模型获得样本和其它样本之间的稀疏重构模式,接着在保证样本间稀疏重构关系和重构样本精度的目标下选择合适的样本.实验结果表明,基于文中算法挑选样本无需任何先验知识,克服其它方法需固定邻域范围的缺点,样本选择结果与近邻熵方法、转换实验设计、局部线性重构方法相比,可获得更好的分类性能.
- 夏建明杨俊安陈功
