compressive sensing

最新推荐文章于 2025-04-17 13:45:26 发布

tudouniurou

最新推荐文章于 2025-04-17 13:45:26 发布

阅读量1.8k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：我叫学术帖文章标签： features random math

本文链接：https://blog.youkuaiyun.com/tudouniurou/article/details/6277528

我叫学术帖专栏收录该内容

8 篇文章

订阅专栏

本文介绍了由Candès和陶哲轩等学者开创的压缩感知理论，并提及该领域的几位重要贡献者。文章强调了在高维特征空间中，即使使用随机特征也能正确恢复稀疏表示并进行分类。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

呃，我很无奈的表示，我必须要学习这个理论了。Candès和陶哲轩大牛开创的这个领域，还是很新颖，很前沿的。 Yi Ma大牛在这方面也有突出贡献啊。唉，一点点儿开始看吧。我作为一个数学傻人，先搞明白L1 Minimization 再说吧。 bless

入门级读物：

Fill in the Blanks: Using Math to Turn Lo-Res Datasets Into Hi-Res Samples [ http://songshuhui.net/archives/35169]

[小红猪]压缩感知与单像素照相机 [http://songshuhui.net/archives/11006]

注释：

the theory of compressed sensing implies that the precise choice of feature space is no longer critical: even random features contain enough information to recover the sparse representation and hence correctly classify any test image. What is critical is that the dimension of the feature space is sufﬁciently large, and that the sparse representation is correctly computed. -------from PAMI08 "Robust Face Recognition via Sparse Representation" J. Wright et al.

按照这个说法，选神马feature不重要，只要维度够高。