基于最近邻稀疏模式学习的近似消息传递
信息论
2016-01-05 v1 机器学习
math.IT
摘要
我们考虑在无稀疏模式先验知识的情况下恢复聚类稀疏信号的问题。除简单稀疏性外，感兴趣的信号常表现出潜在的稀疏模式，若加以利用可改善重建性能。然而，稀疏模式通常事先未知。受k最近邻(k-NN)算法思想启发，我们提出一种高效算法，称为基于最近邻稀疏模式学习的近似消息传递(AMP-NNSPL)，其自适应地学习稀疏模式。AMP-NNSPL对未知信号指定灵活的尖峰与板坯先验，并在每次AMP迭代后，通过期望最大化(EM)将稀疏比率设为最近邻估计的平均值。在合成与真实数据上的实验结果证明了我们所提算法在重建性能和计算复杂度方面的优越性。
引用
@article{arxiv.1601.00543,
title = {Approximate Message Passing with Nearest Neighbor Sparsity Pattern Learning},
author = {Xiangming Meng and Sheng Wu and Linling Kuang and Defeng and Huang and Jianhua Lu},
journal= {arXiv preprint arXiv:1601.00543},
year = {2016}
}
备注
5 pages, 4 figures