K-SVD算法python实现以及PPT自制，PDF原理讲解

本压缩包包括了K-SVD，k-means的python代码实现，同时还提供了自制的PPT详解，同时包括K-SVD最经典的论文一篇，内容充实易懂，欢迎大家学习下载。

import numpy as np
from sklearn import linear_model
import scipy.misc
from matplotlib import pyplot as plt


class KSVD（object）:
    def __init__（self n_components max_iter=30 tol=1e-6
                 n_nonzero_coefs=None）:
        “““
        稀疏模型Y = DX，Y为样本矩阵，使用KSVD动态更新字典矩阵D和稀疏矩阵X
        :param n_components: 字典所含原子个数（字典的列数）
        :param max_iter: 最大迭代次数
        :param tol: 稀疏表示结果的容差
        :param n_nonzero_coefs: 稀疏度
        “““
        self.dictionary = None
        self.sparsecode = None
        self.max_iter = max_iter
        self.tol = tol
        self.n_components = n_components
        self.n_nonzero_coefs = n_nonzero_coefs

    def _initialize（self y）:
        “““
        初始化字典矩阵
        “““
        u s v = np.linalg.svd（y）
        self.dictionary = u[: :self.n_components]

    def _update_dict（self y d x）:
        “““
        使用KSVD更新字典的过程
        “““
        for i in range（self.n_components）:
            index = np.nonzero（x[i :]）[0]
            if len（index） == 0:
                continue

            d[: i] = 0
            r = （y - np.dot（d x））[: index]
            u s v = np.linalg.svd（r full_matrices=False）
            d[: i] = u[: 0].T
            x[i index] = s[0] * v[0 :]
        return d x

    def fit（self y）:
        “““
        KSVD迭代过程
        “““
        self._initialize（y）
        for i in range（self.max_iter）:
            x = linear_model.orthogonal_mp（self.dictionary y n_nonzero_coefs=self.n_nonzero_coefs）
            e = np.linalg.norm（y - np.dot（self.dictionary x））
            if e < self.tol:
                break
            self._update_dict（y self.dictionary x）

        self.sparsecode = linear_model.orthogonal_mp（self.dictionary y n_nonzero_coefs=self.n_nonzero_coefs）
        return self.dictionary self.sparsecode


if __name__ == ‘__main__‘:
    im_ascent = scipy.misc.ascent（）.astype（np.float）
    ksvd = KSVD（300）
    dictionary sparsecode = ksvd.fit（im_ascent）
    plt.figure（）
    plt.subplot（1 2 1）
    plt.imshow（im_ascent）
    plt.subplot（1 2 2）
    plt.imshow（dictionary.dot（sparsecode））
    plt.show（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件    1791013  2018-11-21 21:42  K-SVD算法python实现以及PPT原理讲解（自制）\K-SVD  An Algorithm for Designing Overcomplete Dictionaries for Sparse Representation.pdf

     文件       2349  2018-12-16 13:41  K-SVD算法python实现以及PPT原理讲解（自制）\k-SVD.py

     文件        150  2018-12-10 10:48  K-SVD算法python实现以及PPT原理讲解（自制）\kmeans\center

     文件       2878  2018-12-10 10:28  K-SVD算法python实现以及PPT原理讲解（自制）\kmeans\data.txt

     文件       4455  2018-12-10 10:53  K-SVD算法python实现以及PPT原理讲解（自制）\kmeans\kmeans.py

     文件       1805  2018-12-10 10:48  K-SVD算法python实现以及PPT原理讲解（自制）\kmeans\sub

     文件    1998590  2018-12-17 10:29  K-SVD算法python实现以及PPT原理讲解（自制）\SVD.pptx

     目录          0  2019-01-16 11:06  K-SVD算法python实现以及PPT原理讲解（自制）\kmeans

     目录          0  2019-01-16 11:09  K-SVD算法python实现以及PPT原理讲解（自制）

----------- ---------  ---------- -----  ----

              3801240                    9