基于可学习 Top-K LISTA 与 FISTA 编码器的半统一稀疏字典学习
机器学习
2025-11-14 v1
摘要
我们提出一种半统一稀疏字典学习框架，桥接经典稀疏模型与现代深度架构。具体而言，该方法将严格的 Top- LISTA 及其凸 FISTA 变体（LISTAConv）集成到判别式 LC-KSVD2 模型中，实现稀疏编码器与字典在监督或无监督情境下的联合演化。这种统一设计保留了传统稀疏编码的可解释性，同时受益于高效可微训练。我们进一步建立了针对凸变体的 PALM 式收敛性分析，确保在块交替条件下的理论稳定性。实验方面，我们的方法在 CIFAR-10 上达到 95.6%，CIFAR-100 上达到 86.3%，TinyImageNet 上达到 88.5%，且收敛更快、内存占用更低（<4GB GPU）。结果表明，LC-KSVD2 + LISTA/LISTAConv 流水线提供了一种可解释且计算高效的替代方案，用于现代深度架构。
引用
@article{arxiv.2511.10575,
title = {Semi-Unified Sparse Dictionary Learning with Learnable Top-K LISTA and FISTA Encoders},
author = {Fengsheng Lin and Shengyi Yan and Trac Duy Tran},
journal= {arXiv preprint arXiv:2511.10575},
year = {2025}
}