稀疏表示技术与应用综述
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(61801513)


Survey on Sparse Representation Techniques and Applications
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 增强出版
  • |
  • 文章评论
    摘要:

    近年来稀疏表示技术在信号处理、图像处理、目标识别、盲源分离等领域都有着突出的贡献. 为了全面的了解和分析现有稀疏表示优化算法, 首先回顾了稀疏表示技术的历史进程, 简单描述了稀疏表示技术的原理, 然后将稀疏表示优化算法分为贪心算法和约束算法以及其他算法三大类, 具体分析了前两种类别算法的原理和特征, 介绍了两类算法的代表算法, 总结了算法的发展进程, 并对贪心算法中的五种代表算法进行了简单对比, 最后总结了稀疏表示技术在各个领域的应用情况, 并针对存在的问题对未来的发展方向进行了分析, 以期为研究者们提供有益参考.

    Abstract:

    Recently, sparse representation has made outstanding contributions to signal and image processing, target recognition and blind source separation. Firstly, the history and rationale of sparse representation are reviewed to summarize the existing sparse representation optimization algorithms. Secondly, those algorithms are divided into the greedy algorithm, the constraint algorithm and other algorithms. The basic principles and characteristics of the first two categories are elaborated respectively, and their representative algorithms and state-of-the-art applications are summarized as well. In addition, the five representative algorithms of the greedy algorithm are simply compared. Finally, the applications of sparse representation in various fields and its general outlook regarding existing problems are offered.

    参考文献
    相似文献
    引证文献
引用本文

董隽硕,吴玲达,郝红星.稀疏表示技术与应用综述.计算机系统应用,2021,30(7):13-21

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-10-27
  • 最后修改日期:2020-11-23
  • 录用日期:
  • 在线发布日期: 2021-07-02
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号