核递归最小二乘字典学习算法
机器学习
2025-07-03 v1 信号处理
摘要
我们提出了一种高效的在线字典学习算法，用于基于核的方法稀疏表示。在此框架中，输入信号被非线性映射到高维特征空间，并稀疏地表示为虚拟字典。在每一步中，字典使用基于递归最小二乘（RLS）方法的新算法进行更新。这种更新机制可与单个样本或 mini-batch 配合使用，并保持低的计算复杂度。实验在多个不同领域的四个数据集上进行，表明我们的方法不仅优于现有的在线核字典学习方法，还实现的分类准确率接近批处理训练模型的水平，而且显著更高效。
引用
@article{arxiv.2507.01636,
title = {Kernel Recursive Least Squares Dictionary Learning Algorithm},
author = {Ghasem Alipoor and Karl Skretting},
journal= {arXiv preprint arXiv:2507.01636},
year = {2025}
}
备注
Published in Digital Signal Processing, Volume 141, 2023. DOI: https://doi.org/10.1016/j.dsp.2023.104159 12 pages, 8 figures. Code and data available at: https://github.com/G-Alipoor/kernel-rls-dictionary-learning