贝叶斯压缩感知(稀疏编码)和相关向量机

版本1.0.0.0 (6.21 KB 莫陈
学习稀疏表示的贝叶斯方法(RVM)

1.7 k下载

更新2016年3月13日

查看许可协议

压缩感知或稀疏编码是学习数据的稀疏表示。最简单的方法是使用L1正则化的线性回归。而这个包为稀疏编码问题提供了贝叶斯处理。
稀疏编码问题被建模为具有稀疏先验的线性回归(自动相关性确定,ARD),也被称为相关向量机(RVM)。它的优点是可以自动进行模型选择。因此,不需要人为指定正则化参数(从数据中学习),可以获得更好的稀疏恢复。请运行包中的演示脚本进行尝试。

此包现在是PRML工具箱的一部分(//www.tianjin-qmedu.com/matlabcentral/fileexchange/55826-pattern-recognition-and-machine-learning-toolbox).

引用作为

莫陈(2022)。贝叶斯压缩感知(稀疏编码)和相关向量机(//www.tianjin-qmedu.com/matlabcentral/fileexchange/55879-bayesian-compressive-sensing-sparse-coding-and-relevance-vector-machine), MATLAB中央文件交换。检索

MATLAB版本兼容性
使用R2016a创建
与任何版本兼容
平台的兼容性
窗户 macOS Linux

社区寻宝

在MATLAB中央找到宝藏,并发现社区可以如何帮助你!

开始狩猎!