×
Waniorek，北卡罗来纳州。;D.卡尔维蒂。;萨默萨洛，E。

贝叶斯层次词典学习。 （英语） Zbl 07650607号

反向探测。 39，第2号，文章ID 024006，第22页（2023）.
摘要：字典学习旨在用字典的原子表示信号，在广泛的应用中受到欢迎，包括但不限于图像去噪、人脸识别、遥感、医学成像和特征提取。字典学习可以被视为一种可能的数据驱动的替代方法，通过使用正向模型或早期受控实验观察结果以数字方式生成的可能输出来识别数据，从而解决反问题。当已知基础信号可以用给定基础上的几个向量表示时，稀疏字典学习特别有趣。在本文中，我们建议使用分层贝叶斯模型进行稀疏字典学习，该模型可以捕获底层信号的特征，例如稀疏表示和非负性。同样的框架可以通过特征提取来降低标注词典的维数，从而降低学习任务的计算复杂性。文中还给出了我们的算法应用于高光谱成像和心电图数据分类的计算示例。

理学硕士：

68T05型 人工智能中的学习和自适应系统
15A29号 线性代数中的反问题
65J22型 抽象空间反问题的数值解法

关键词：

高光谱成像;非负矩阵分解;稀疏编码

软件：

PDCO公司
PDF格式BibTeX公司 XML格式引用
\textit{N.Waniorek}等人，《反问题》。39，第2号，文章ID 024006，22 p.（2023；Zbl 07650607）
全文： 内政部

参考文献：

[1] 亚哈龙，M。；Elad，M。；Bruckstein，A.，K-SVD：一种为稀疏表示设计过完备字典的算法，IEEE Trans。信号处理。，54, 4311-22 (2006) ·Zbl 1375.94040号 ·doi:10.1109/TSP.2006.881199
[2] Baumgardner，M.F。；贝尔，L.L。；Landgrebe，D.A.（2015）
[3] Bioucas-Dias，J.M。；A广场。；北多比根。；Parent，M。；杜琪。；Gader，P。；Chanussot，J.，《高光谱解混概述：基于几何、统计和稀疏回归的方法》，IEEE J.Sel。顶部。申请。地球天体遥感，5354-79（2012）·doi:10.1109/JSTARS.2012.2194696
[4] Calvetti，D。；哈库拉，H。；帕西安宁，S。；Somersalo，E.，脑源定位的条件高斯超模型，SIAM J.成像科学。，2, 879-909 (2009) ·Zbl 1176.62107号 ·doi:10.1137/080723995
[5] Calvetti，D。；Pascarella，A。；皮托利，F。；萨默萨洛，E。；Vantaggi，B.，带生理预处理的MEG分层Krylov-Bayes迭代逆解算器，逆问题，31（2015）·兹伯利1329.35346 ·doi:10.1088/0266-5611/31/12/125005
[6] Calvetti，D。；Pitolli，F。；萨默萨洛，E。；Vantaggi，B.，《Bayes与Krylov的相遇：CGLS的统计启发预条件》，SIAM Rev.，60，429-61（2018）·Zbl 1392.65047号 ·数字对象标识代码：10.1137/15M1055061
[7] Calvetti，D。；Pragliola，M。；萨默萨洛，E。；Strang，A.，《从少量噪声数据进行稀疏重建：具有广义伽马超验的分层贝叶斯模型分析》，《反问题》，36（2020）·Zbl 1464.62365号 ·doi:10.1088/1361-6420/ab4d92
[8] Calvetti，D。；Pragliola，M。；Somersalo，E.，《分层贝叶斯反问题的稀疏性促进混合求解器》，SIAM J.Sci。计算。，42，A3761-84（2020）·Zbl 07303422号 ·数字对象标识代码：10.1137/20M1326246
[9] Calvetti，D。；Somersalo，E.，恢复块状物体的高斯超模型，反问题，23733（2007）·Zbl 1112.62018年 ·doi:10.1088/0266-5611/23/2/016
[10] Calvetti，D。；Somersalo，E.，《贝叶斯科学计算导论：主观计算十讲》，第2卷（2007年），纽约：Springer Science&Business Media，纽约·Zbl 1137.65010号
[11] Calvetti，D。；Somersalo，E.，贝叶斯成像框架中的超模型，反问题，24（2008）·Zbl 1137.62062号 ·doi:10.1088/0266-5611/24/3/034013
[12] Calvetti，D。；萨默萨洛，E。；比格勒，L。；比罗斯，G。；O.加塔斯。；Heinkenschloss，M。；凯斯，D。；马利克，B。；Y.Marzouk。；Tenorio，L。；van Bloemen Waanders，B。；Willcox，K.，主观知识还是客观信念？，《大尺度反问题与不确定性量化》，3370页（2010年），纽约：威利出版社
[13] Calvetti，D。；Somersalo，E.，《数据科学的数学：聚类和分类的计算方法》（2020），宾夕法尼亚州费城：SIAM，宾夕法尼亚州费城
[14] Calvetti，D。；萨默萨洛，E。；Strang，A.，层次贝叶斯模型和稀疏性：（####）-魔术，反问题，35（2019）·Zbl 1490.62078号 ·doi:10.1088/1361-6420/aaf5ab
[15] Candes，大肠杆菌。；Tao，T.，线性编程解码，IEEE Trans。Inf.理论，124203-15（2005）·Zbl 1264.94121号 ·doi:10.1109/TIT.2005.858979
[16] 陈，S。；多诺霍博士。；Saunders，M.，通过基追踪进行原子分解，SIAM科学杂志。计算。，20, 33-61 (1998) ·Zbl 0919.94002号 ·doi:10.1137/S1064827596304010
[17] Dong，W。；李，X。；张，L。；Shi，G.，通过字典学习和结构聚类实现基于稀疏性的图像去噪，第457-64页（2011），IEEE
[18] Donoho，D.L.，压缩传感，IEEE Trans。《信息论》，52，1289-306（2006）·Zbl 1288.94016号 ·doi:10.1109/TIT.2006.871582
[19] Duarte-Carvajalino，J.M。；Sapiro，G.，《学习感知稀疏信号：同时感知矩阵和稀疏字典优化》，IEEE Trans。图像处理。，18, 1395-408 (2009) ·Zbl 1371.94555号 ·doi:10.1109/TIP.2009.2022459
[20] Elad，M。；Aharon，M.，通过学习词典上的稀疏和冗余表示进行图像去噪IEEE，Trans。图像处理。，15, 3736-45 (2006) ·doi:10.10109/TIP.2006.881969
[21] Gillis，N.，《非负矩阵分解（2020）》，宾夕法尼亚州费城：SIAM，宾夕法尼亚州，费城
[22] Hoyer，P.O.，具有稀疏性约束的非负矩阵分解，J.马赫。学习。第5号决议，1457-69（2004年）·Zbl 1222.68218号
[23] Ma博士。；古拉尼，V。；塞伯里奇，N。；刘凯。；Sunshine，J.L。；杜尔克，J.L。；Griswold，M.A.，《核磁共振指纹图谱》，《自然》，495187-92（2013）·doi:10.1038/nature11971
[24] Mallat，S.，《信号处理的小波之旅：稀疏方法》（2009），纽约：学术出版社，纽约·Zbl 1170.94003号
[25] 普拉格里奥拉，M。；Calvetti，D。；Somersalo，E.，层次贝叶斯框架中的过度完整表示，反问题成像，16，19-38（2022）·Zbl 1493.62134号 ·doi:10.3934/ipi.2021039
[26] Saiz-Pérez，A。；托雷斯·福内（Torres-Forné），A。；Font，J.A.，用学术词典对核坍塌超新星爆炸机制进行分类（2021年）
[27] 太阳，X。；曲，Q。；新墨西哥州纳斯拉巴迪。；Tran，T.D.，基于稀疏表示的高光谱图像分类结构化先验，IEEE Geosci。遥感快报。，11, 235-1239 (2014) ·doi:10.1109/LGRS.2013.2290531
[28] Tibshirani，R.，《通过套索进行回归收缩和选择》，J.R.Stat.Soc.B，58，267-88（1996）·兹比尔0850.62538 ·doi:10.1111/j.2517-6161.1996.tb02080.x
[29] 托雷斯·福内（Torres-Forné），A。；Marquina，A。；字体，J.A。；Ibanez，J.M.，通过字典学习算法对引力波信号进行去噪，Phys。D版，94（2016）·doi:10.1103/PhysRevD.94.124040
[30] 托希奇，i。；Frossard，P.，字典学习，IEEE信号处理。马格恩。，28, 27-38 (2011) ·doi:10.1109/MSP.2010.939537
[31] Van Nguyen，H。；帕特尔，V.M。；新墨西哥州纳斯拉巴迪。；Chellappa，R.，《对象识别非线性内核词典的设计》，IEEE Trans。图像处理。，22, 5123-35 (2013) ·Zbl 1373.68328号 ·doi:10.1109/TIP.2013.2282078
[32] Vu，T.H。；穆萨维，H.S。；蒙加，V。；拉奥，美国。；Rao，G.，DFDL:组织病理学图像分类的鉴别特征导向词典学习，第35卷，第990-4页（2015）
[33] Wang，L。；赵，L。；Bi，G。；Wan，C.，通过变分贝叶斯推理实现分层稀疏信号恢复，IEEE信号处理。莱特。，21, 110-13 (2014) ·doi:10.1109/LSP.2013.2292589
[34] Wright，J。；Yang，A.Y。；Ganesh，A。；Sastry，S.S。；Ma，Y.，基于稀疏表示的鲁棒人脸识别，IEEE Trans。模式分析。机器。智力。，31, 210-27 (2009) ·doi:10.1109/TPAMI.2008.79
[35] 徐，Q。；余，H。；牟某。；张，L。；谢家华。；Wang，G.，通过字典学习进行低剂量x射线CT重建，IEEE Trans。医学成像，311682-97（2012）·doi:10.1109/TMI.2012.2195669
[36] Yang，M。；张，L。；杨，J。；Zhang，D.，基于稀疏表示的人脸识别元脸学习，第1601-4页（2010）
[37] Yang，L。；方，J。；Cheng，H。；Li，H.，使用高斯层次模型的稀疏贝叶斯字典学习，信号处理。，130, 93-104 (2017) ·doi:10.1016/j.sigpro.2016.06.016
[38] Moody，GMark，RMIT-BIH心律失常数据库2005（网址：https://physinet.org/content/mitdb/1.0.0/)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。