基于PCA的快速字典学习算法研究

作者：王莲子; 庄晓东^*; 李钟晓; 陈倩倩

来源：青岛大学学报(工程技术版), 2020, 35(04): 11-16.

DOI：10.13306/j.1006-9798.2020.04.003

• PCA
• 快速字典学习
• 稀疏表示
• K-SVD

针对传统K奇异值分解(K-singular value decomposition,K-SVD)算法在训练中存在运行时间过长的问题,本文将主成分分析(principal component analysis,PCA)与K-SVD算法相结合,提出一种基于PCA的快速字典学习算法。该方法对原信号进行PCA降维,获取其主要成分,并对主成分信息进行字典学习,同时利用主成分字典作正交变换获取原信号字典。为验证本方法的有效性,采用快速字典学习算法对语音信号进行处理。研究结果表明,与传统K-SVD算法相比,基于PCA的快速字典学习算法在运行上时间减少了近1/2。新算法通过消除训练样本的冗余信息,使样本结构更加紧凑,极大程度降低了学习复杂度,在保证稀疏表示可靠性的同时,提升了字典学习效率,具有较好的应用前景。

• 单位
  青岛大学