基于Lp-Box ADMM的k稀疏编码方法

摘要

数据的稀疏编码在机器学习研究中占有重要位置.本文提出一种k稀疏编码(k-SC)方法来获得具有特定k稀疏性的编码,也就是说自适应地从字典数据集中挑选重构误差最小的k个数据点来进行样本线性重构.由于整数稀疏优化计算问题通常是NP-难的,因此本文采用Lp-Box ADMM方法,首先将原整数稀疏编码问题转化为0-1整数规划问题,然后将0-1整数约束条件替换为等价的两个连续性约束条件,并对新的优化问题通过交错方向优化ADMM算法实现模型求解.本文通过对不同数据集进行算法实验,从收敛性和准确率两方面证明了基于Lp-Box的ADMM解在k稀疏编码问题中的有效性.