[发明专利]一种基于动态增量式字典更新的学习算法

权利要求书

1.一种基于动态增量式字典更新的学习算法，其特征在于，包括以下步骤：

选取预训练样本集，初始化初始字典，确定所述初始字典将要增加的原子个数m；

基于OMP算法，用初始字典对输入样本进行稀疏表征，得到最初稀疏系数矩阵；

根据所述最初稀疏系数矩阵，计算表征后的剩余误差，并且，在所述剩余误差大于预定阈值的情况下，向所述初始字典增加m个原子，并基于信息熵，对所述m个原子初始化；

将进行初始化后的所述m个原子添加至所述初始字典中，得到新字典矩阵，并且，基于OMP算法，利用所述新字典矩阵对所述输入样本进行稀疏分解；

基于稀疏分解后的输入样本，利用K-SVD算法对增量原子进行更新，确定误差最小的增量原子，并对确定的所述误差最小的增量原子去相关；

当所有样本训练结束，输出最终的字典。

2.根据权利要求1所述的基于动态增量式字典更新的学习算法，其特征在于，还包括：

在所述剩余误差小于预定阈值的情况下，不更新所述初始字典，继续输入下一样本。

3.根据权利要求1所述的基于动态增量式字典更新的学习算法，其特征在于，对确定的所述误差最小的增量原子去相关包括：

计算伽马矩阵G=D^TD，其中D是所述新字典矩阵；

将伽马矩阵映射至结构化约束集：首先将伽马矩阵的对角线元素置为1，再对伽马矩阵进行阈值量化；

因式分解伽马矩阵并映射至光谱约束集；

对矩阵进行翻转；

重复上述过程直至达到事先设定的迭代次数，输出最终的字典。