희소성이는 압축 센싱의 전제이며, 주로 빈 요소의 비율이 큰 상황을 말합니다. 일반적으로 벡터나 행렬에서 0으로 설정된 요소의 수를 벡터나 행렬의 총 항목 수로 나누어 계산합니다.
행렬에서 0 값을 갖는 요소의 수가 0이 아닌 요소의 수보다 훨씬 많을 경우, 행렬을 희소 행렬이라고 합니다. 이에 따라, 0이 아닌 원소의 수가 대부분을 차지할 경우, 행렬은 밀집 행렬이라고 합니다.
신호가 희소하다는 것은 신호에 0 요소가 많다는 것을 의미합니다. 이 경우, 정보를 압축할 수 있으며, 0이 아닌 요소를 찾는 것만으로 문제를 해결할 수 있습니다. 하지만 실제로 신호 자체는 희소하지 않습니다. 변환 후에는 대부분 일련의 기반에 따라 희소하게 표현됩니다. 즉, 신호는 희소하게 표현됩니다.
또한, 두 가지 유형의 희소성이 있습니다. 특징 희소성과 모델 희소성입니다. 특징 희소성은 특징 벡터의 희소성을 나타내는 반면, 모델 희소성은 모델 가중치의 희소성을 나타냅니다.
관련 단어: 희소 행렬, 압축 센싱.
참고문헌
【1】https://www.jianshu.com/p/8025b6c9f6fa
【2】https://www.cnblogs.com/AndyJee/p/5048235.html