徐健　景明利　齊春　常志國

摘要：針對稀疏表示殘差過大的問題，提出了采用遺傳算法的分層貪婪字典訓練算法．該算法首先將數(shù)據(jù)樣本變成一維信號，然后將問題劃分為若干個子問題，采用貪婪算法思想分層訓練字典．為了以一定概率尋找到每一層字典的最優(yōu)值，使用遺傳算法來訓練每一層字典，最后將每層字典級聯(lián)作為最終的字典．在訓練每一層字典時，先采用號碼矩陣對樣本的分類進行表示，然后以平均低秩逼近的殘差能量作為衡量適應(yīng)度的參數(shù)，以聯(lián)賽選擇的方式選出優(yōu)勝個體，通過單點交叉和變異方法產(chǎn)生新的個體．對二值序列的稀疏表示信號重建的實驗結(jié)果表明，該算法在訓練樣本量較小的情況下，與傳統(tǒng)的核奇異值分解算法相比，訓練得到的字典在同樣的稀疏度約束下重建信噪比提高了10倍以上。