まばらさ圧縮センシングの前提となるのは、主に、ベクトルまたは行列内で 0 に設定された要素の数を、ベクトルまたは行列内のエントリの総数で割った状況です。マトリックス。
行列において、値が 0 の要素の数が 0 以外の要素の数よりもはるかに多い場合、その行列は、それに応じて、0 以外の要素が大部分を占める場合、その行列と呼ばれます。は密行列と呼ばれます。
信号が疎である場合は、信号内に 0 要素が多数あることを意味します。この場合、情報は圧縮でき、非ゼロ要素を見つけるだけで問題を解決できます。ただし、実際には信号自体が疎です。 After 変換後は、ほとんどの場合、一連のベースでスパース、つまり信号のスパース表現になります。
さらに、特徴スパース性とモデル スパース性の 2 つのタイプがあります。特徴スパース性は特徴ベクトルのスパース性を指し、モデル スパース性はモデルの重みのスパース性を指します。
関連ワード: スパース行列、圧縮センシング。
参考文献
【1】https://www.jianshu.com/p/8025b6c9f6fa
【2】https://www.cnblogs.com/AndyJee/p/5048235.html