典型文献
地震数据自适应多层字典学习稀疏表示方法
文献摘要：
基于压缩感知(Compressed Sensing,CS)地震数据重构的精度很大程度上取决于用于稀疏表示字典的性能.在K—奇异值分解(K-Singular Value Decomposition,K-SVD)方法中每个训练样本的稀疏级别是固定的,这可能导致原始样本在稀疏表示过程中产生欠拟合或过拟合问题;而且它只使用原始样本的特征作为训练字典,无法利用样本在字典学习过程中产生的隐式特征,从而影响地震数据的重构精度.为此,对K-SVD方法进行了改进,采用自适应多层字典学习(Adaptive Multilayered Dictionary Learning,AMDL)方法对地震数据进行稀疏表示,不但可在字典学习过程中充分利用不同层次的特征,而且还可自适应地确定每一层所选择的原子数.试验结果表明,与K-SVD方法相比,该方法能够为基于CS的地震数据重构提供更准确的稀疏表示.
文献关键词：
压缩感知;自适应多层字典学习;稀疏表示;地震数据;稀疏编码
中图分类号：
作者姓名：
雍皓;韩铎;张俊杰;王俊秋
作者机构：
吉林大学仪器科学与电气工程学院,吉林长春130026;地球信息探测仪器教育部重点实验室,吉林长春130000
文献出处：
引用格式：
[1]雍皓;韩铎;张俊杰;王俊秋-.地震数据自适应多层字典学习稀疏表示方法)[J].石油地球物理勘探,2022(03):525-531
A类：
自适应多层字典学习,Multilayered,AMDL
B类：
稀疏表示,表示方法,压缩感知,Compressed,Sensing,CS,地震数据重构,奇异值分解,Singular,Value,Decomposition,SVD,训练样本,欠拟合,过拟合,练字,法利,学习过程,隐式,响地,Adaptive,Dictionary,Learning,不同层次,原子数,稀疏编码
AB值：
0.284332
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
