[发明专利]基于相关性的加权最小二乘字典学习的信号重构方法有效
| 申请号： | 201611031391.9 | 申请日： | 2016-11-22 |
| 公开（公告）号： | CN106599903B | 公开（公告）日： | 2020-01-21 |
| 发明（设计）人： | 叶娅兰;何文文;程云飞;侯孟书;徐海津;邓雪松;陈暘;刘汉倞;冯蓓 | 申请（专利权）人： | 电子科技大学成都研究院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 51203 电子科技大学专利中心 | 代理人： | 周刘英 |
| 地址： | 610200 四川省*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于相关性的加权最小二乘字典学习的信号重构方法。本发明首先利用聚类的方法将训练数据中具有相关性的信号样本归类为一组，然后以一组信号为单位更新每组字典，使得每组字典能充分地学习到每组信号的特征，最后依据得到的子字典进行集中字典学习。实验结果表明，相对于较为经典的加权最小二乘法以及K奇异值分解算法，本发明能够获得更低的均方误差，并且应用于压缩感知重构恢复领域时能获得更高的信噪比。 | ||
| 搜索关键词： | 基于 相关性 加权 最小 字典 学习 信号 方法 | ||
【主权项】：
1.基于相关性的加权最小二乘字典学习的压缩感知的心电信号重构方法，其特征在于，包括下列步骤：/n步骤1：从心电信号库中获取字典学习的训练样本集X，其中训练样本集X的个体为：与压缩感知的待重构的心电信号同一类别的原始信号；/n步骤2：采用基于皮尔逊相关系数的K均值聚类方法对训练样本集X进行聚类处理，将训练样本集X聚为N个子训练样本集X
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学成都研究院，未经电子科技大学成都研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611031391.9/，转载请声明来源钻瓜专利网。
