一种基于动态增量式字典更新的学算法

摘要

本发明公开了一种基于动态增量式字典更新的学算法，包括选取预训练样本集，初始化初始字典，并确定要增加的原子个数m；基于OMP算法，用初始字典对输入样本进行稀疏表征，得到最初稀疏系数矩阵；计算表征后的剩余误差，在剩余误差大于预定阈值时，向初始字典增加m个原子，基于信息熵，对m个原子初始化；将进行初始化后的m个原子添加至初始字典中，得到新字典矩阵，利用新字典矩阵对输入样本进行稀疏分解；基于稀疏分解后的输入样本，利用K-SVD算法对增量原子进行更新，确定误差最小的增量原子，并对增量原子去相关，当所有样本训练结束，输出最终的字典。本发明的有益效果为：能够对体量庞大的遥感数据集进行更有效更稀疏的表征。

主权项

一种基于动态增量式字典更新的学习算法，其特征在于，包括以下步骤：选取预训练样本集，初始化初始字典，确定所述初始字典将要增加的原子个数m；基于OMP算法，用初始字典对输入样本进行稀疏表征，得到最初稀疏系数矩阵；根据所述最初稀疏系数矩阵，计算表征后的剩余误差，并且，在所述剩余误差大于预定阈值的情况下，向所述初始字典增加m个原子，并基于信息熵，对所述m个原子初始化；将进行初始化后的所述m个原子添加至所述初始字典中，得到新字典矩阵，并且，基于OMP算法，利用所述新字典矩阵对所述输入样本进行稀疏分解；基于稀疏分解后的输入样本，利用K‑SVD算法对增量原子进行更新，确定误差最小的增量原子，并对确定的所述误差最小的增量原子去相关；当所有样本训练结束，输出最终的字典。