CS的基础追踪算法 除匹配追踪类贪婪迭代算法之外,压缩感知重构算法另一大类就是凸优化算法或最优化逼近方法,这类方法通过将非凸问题转化为凸问题求解找到信号的逼近,其中最常用的方法就是基追踪(BasisPursuit,BP),该方法提出使用l1范数替代l0范数来解决最优化问题,以便使用线性规划方法来求解
CS的OMP算法 压缩采样匹配追踪(CompressiveSamplingMP)是D.Needell继ROMP之后提出的又一个具有较大影响力的重构算法。CoSaMP也是对OMP的一种改进,每次迭代选择多个原子,除了原子的选择标准之外,它有一点不同于ROMP:ROMP每次迭代已经选择的原子会一直保留,而CoSaMP每次
线性SVM分类器实现信号图片分类 提出了基于SVM一种概念上简单但令人惊讶的强大方法,该方法将判别目标检测器的有效性与最近邻居方法提供的显式对应相结合。该方法基于为训练集中的每个示例训练单独的线性SVM分类器。因此,这些示例SVM中的每一个都由一个正实例和数百万个负定义。尽管每个检测器对其示例都非常特定,但我们从经验上观察到,这样的