正交匹配追踪 OMP

发表于 更新于 分类于 ， 阅读次数： 本文字数： 580 阅读时长 ≈ 1 分钟

什么是正交匹配追踪 (OMP)？

  • 一种用于信号处理和数据分析的算法，特别是在稀疏表示和压缩感知领域。OMP 的目的是从一个过完备字典中选择最少数量的原子（即基函数），以最精确地表示给定的信号。这个过程是贪婪算法的一种形式，它在每一步都选择最能减少当前表示误差的原子，可以作为最小角回归等前向特征选择特征选择方法
  • OMP 基于贪心算法，该算法在每一步都包含与当前残差最高度相关的原子。它类似于更简单的匹配追踪 (MP) 方法，但更好的是，在每次迭代中，使用在先前选择的字典元素空间上的正交投影重新计算残差
    1
    2
    3
    4
    5
    6
    7
    8
    >>> from sklearn.linear_model import OrthogonalMatchingPursuit
    >>> from sklearn.datasets import make_regression
    >>> X, y = make_regression(noise=4, random_state=0)
    >>> reg = OrthogonalMatchingPursuit(normalize=False).fit(X, y)
    >>> reg.score(X, y)
        0.9991...
    >>> reg.predict(X[:1,])
        array([-78.3854...])