Какова точная мера разреженности?

11

В настоящее время я работаю над сжатием и разреженным представлением сигналов, в частности изображений.

Меня часто спрашивают «что такое определение редкости?». Я отвечаю: «Если большинство элементов сигнала равны нулю или близки к нулю, в некоторой области, такой как Фурье или Вейвлет, то этот сигнал в этом базисе редок». но в этом определении всегда есть проблема: «что означает большинство элементов? Это 90 процентов? 80 процентов? 92,86 процента ?!” Вот где возникает мой вопрос, есть ли точное, то есть числовое определение разреженности?

M.Jalali
источник
3
Я думаю, вы найдете, что разреженный термин, как пропускная способность . У них нет единого определения, применимого во всех контекстах. Ответ неудовлетворительный "это зависит".
Джейсон Р
@JasonR Я так думаю, но есть ли упоминания об этом?
М.Джалали
Это также зависит от ваших схем реконструкции.
MimSaad
1
@Jason R Ваше соединение с пропускной способностью весьма вдохновляет. Оба имеют безамплитудное представление о некоторой поддержке. Мне кажется, что пропускная способность заставляет задуматься о «достаточной» связности по разреженности
Лоран Дюваль

Ответы:

13

« Есть ли какое-то точное, то есть числовое определение разреженности? » И под числовым я понимаю как вычислимое , так и практически «пригодное для использования». Мое мнение таково: пока нет, как минимум, консенсуса нет, но есть достойные соперники. Первый вариант « считать только ненулевые члены » точен, но неэффективен (чувствителен к числовому приближению и шуму, и очень сложен для оптимизации). Второй вариант « большинство элементов сигнала - ноль или близок к нулю » довольно неточен, либо для «большинства», либо «близко к».

Таким образом, « точная мера редкости » остается неуловимой, без более формальных аспектов. Одна из недавних попыток определить разреженность была проведена в Hurley and Rickard, 2009, Сравнение мер разреженности , IEEE транзакции по теории информации.

Их идея состоит в том, чтобы предоставить набор аксиом, которые должна выполнять хорошая мера разреженности ; например, сигнал Икс умножается на ненулевой константы, αИкс , должны иметь один и тот же разреженность. Другими словами, мера разреженности должна быть 0 однородной. Как ни странно, прокси 1 ощущении сжатия или регрессии лассо является 1 однородным. Это действительно так для любой нормы или квази-нормы п , даже если они стремятся к (не робастной) мере счета 0 при п0 .

Таким образом, они детализируют свои шесть аксиом, выполнили вычисления, заимствованные из анализа богатства:

  • Робин Гуд (бери у богатых, дай бедным снижает редкость),
  • Масштабирование (постоянное умножение сохраняет разреженность),
  • Rising Tide (добавление того же ненулевого аккаунта уменьшает разреженность),
  • Клонирование (дублирование данных сохраняет разреженность),
  • Билл Гейтс (один человек становится богаче, увеличивает редкость),
  • Младенцы (добавление нулевых значений увеличивает разреженность)

1/2пQ п/QИкс0<пQ

1п(Икс)Q(Икс)0(Икс)1/п-1/Q

1Икс

с(К)Сα,(К)-αα

Лоран Дюваль
источник