不完整数据下的字典学习
机器学习
2018-04-04 v2 机器学习
摘要
本文将从最近提出且理论可靠的迭代阈值化和 残差均值算法 ITKrM 扩展到从不完整/掩码训练数据学习字典 (ITKrMM)。它进一步使该算法适应数据中存在低秩分量的情况，并提供了一种同样从不完整数据中恢复该低秩分量的策略。多个合成实验显示了将损坏信息纳入算法的优势。最后，将图像修复作为应用示例，证明了 ITKrMM 在速度方面具有优越性能，且重建质量与最接近的字典学习对应方法相似或更好。
引用
@article{arxiv.1701.03655,
title = {Dictionary Learning from Incomplete Data},
author = {Valeriya Naumova and Karin Schnass},
journal= {arXiv preprint arXiv:1701.03655},
year = {2018}
}
备注
22 pages, 9 figures, (this version with bug fix for wksvd)