浅谈Matching Pursuit和Orthogonal Matching Pursuit

本文介绍了sparse coding中的Matching Pursuit(MP)和Orthogonal Matching Pursuit(OMP)算法。MP是贪心算法,通过迭代选取与残差最相关的字典元素来重构信号。OMP则在每次迭代中从剩余元素中选择,确保正交性,形成最小距离的子空间。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

       前几天看了点sparse coding,在此做点关于Matching Pursuit(MP)和Orthogonal Matching Pursuit(OMP)的笔记。MP和OMP都是在字典固定的情况下,尽量用字典稀疏重构样本。以下分别用ICCV2009关于sparse coding的部分ppt来简要介绍这两个算法。


Matching Pursuit


图1 MP算法目标函数及流程图

我们开始解释这个算法吧。如图1所示,首先看目标函数,其中x表示需要重构的样本或者信号,D 表示字典,D的每一列对应一个单词,表示信号x的重构系数,0范数表示向量中非零元素的个数。目标函数可以解释为用少于或者等于L个单

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值