算法描述
求解模型:
min∑i∥xi∥0s.t.∥Y−DX∥2F≤ε
或
min∥Y−DX∥2Fs.t.∑i∥xi∥0≤T0
MOD(Method of Optimal Direction)是早期的基于樣本學習的字典學習算法. 設目标函數中X已知,信号的誤差定義如下:
∥E∥2F=∥Y−DX∥2F
MOD算法更新字典的政策就是實作表征誤差最小化,是以公式兩端針對D求偏導,會推到出(Y−DX)XT=0,整個字典的更新過程如下:
Dn+1=Y(Xn)T⋅(Xn(Xn)T)−1
一般MOD算法需要幾十次疊代即可收斂是一個比較可行的方法。缺點在于運算中需要對矩陣求逆,造成計算量過大.
流程描述
輸入:訓練樣本集X={xi}Ni=1
輸出:字典D∈Rn×m(m>n)
初始化:随機構造一個字典初值D(0)∈Rn×m,并進行列歸一化,疊代次數J=1
- 求解稀疏系數:min∑i∥xi∥0s.t.∥Y−DX∥2F≤ε
- 更新字典:DJ+1=argmin∥Y−DX∥2F=Dn+1=Y(Xn)T⋅(Xn(Xn)T)−1
- J=J+1