压缩传感或稀疏编码是学习稀疏表示的数据。最简单的方法是使用线性回归与L1正规化。虽然这包提供了贝叶斯治疗稀疏编码的问题。
稀疏编码问题建模为线性回归与稀疏(自动关联的决心,ARD)之前,也就是所谓的相关向量机(RVM)。这样做的优点就是它可以做自动模型选择。因此,这是不需要mannully指定正则化参数(从数据)并可以获得更好的稀疏恢复。请运行演示脚本包来试一试。
这个包现在是PRML工具箱的一部分(//www.tatmou.com/matlabcentral/fileexchange/55826-pattern-recognition-and-machine-learning-toolbox)。
引用作为
莫陈(2023)。贝叶斯压缩感知(稀疏编码)和相关向量机(//www.tatmou.com/matlabcentral/fileexchange/55879-bayesian-compressive-sensing-sparse-coding-and-relevance-vector-machine), MATLAB中央文件交换。检索。
稀疏的/
| 版本 | 发表 | 发布说明 | |
|---|---|---|---|
| 1.0.0.0 | 更新描述 |
