19、基于统计方法的判别式字典学习与相关技术

基于统计方法的判别式字典学习与相关技术

1. MNIST数据集介绍

MNIST是一个手写数字数据集，包含60,000个训练样本和10,000个测试样本，数据集的维度为784。当字典大小为18个原子时，能达到96.3%的准确率。从相关表格数据可知，UHTelPCC和MNIST在训练和测试时所需的时间都有所减少，这表明该模型具有较低的计算复杂度。这种学习分类器权重的非参数方法，支持在稀疏编码以及深度学习（DL）中运用统计概念。

1.1 MNIST数据集不同原子数量下的结果

#Atoms	Time	Accuracy
K = 14	18s	95.34
K = 16	21s	95.12
K = 18	22s	96.32
K = 23	32s	96.4

从表格中可以看出，随着原子数量的增加，时间总体上呈上升趋势，而准确率也有一定的提升，但并非原子数量越多准确率提升就越明显。

2. 深度学习的发展与