TY -的A2 -张,永盟——唐,遵义AU -叮,Shuxue AU - Li Zhenni盟——江,灵灵PY - 2013 DA - 2013/06/04 TI -字典学习基于非负矩阵分解使用并行协调血统SP - 259863六世- 2013 AB -通过overcomplete信号稀疏表示字典最近得到太多的关注,因为它产生了有前景的结果在不同的应用程序。自nonnegativities信号和字典需要在某些应用程序中,例如,多光谱数据分析,传统的字典学习方法实施简单nonnegativity可能变得不适用。在本文中,我们提出一个新颖的方法,学习一门非负,overcomplete字典对于这样一个情况。这是通过提出非负信号的稀疏表示问题的非负矩阵分解(NMF)稀疏约束。采用坐标下降策略优化和扩展它为并行处理多变量的情况下,我们开发一个所谓的平行坐标下降字典学习(PCDDL)算法,迭代结构化的解决两个最优问题,字典的学习过程和构造信号的系数的估计过程。数值实验表明,该算法性能比传统的非负K-SVD (NN-KSVD)算法和其他算法的比较。更重要的是,其计算消耗非常低比对比算法。SN - 1085 - 3375你2013/259863 / 10.1155——https://doi.org/10.1155/2013/259863——摩根富林明-抽象和应用分析PB - Hindawi出版公司KW - ER