壓縮感知（compressed sensing）只適合稀疏資料，不適合大資料嗎？

1樓：努力2021

先給結論，實際上大部分的訊號都是有結構的，沒有結構的訊號很難處理。壓縮感知不僅僅適用於稀疏訊號，對其他有結構的訊號也是可以的。

首先，王聰說前部分是對的，只要訊號在某個域是稀疏（更general的說是有一定的結構，比如稀疏或者低秩等）那麼用壓縮感知在一定比例的取樣下恢復是可行的。

對於影象，要用壓縮感知必須把影象變換到其他域，比如小波域或者DCT變換域，變換後的訊號是可以尋求處理方法來恢復原始訊號的。比如我們組做了一種基於去噪的壓縮感知恢復演算法，對於影象在很低的取樣率下可以很高質量的恢復原影象。

對於王聰說的影象恢復，其實壓縮感知本來就不是用於影象恢復的，而是用於訊號的取樣，根本沒誰會用壓縮感知去恢復缺失影象的資訊，所以沒有可比性。壓縮感知是用來取樣原始資訊，然後降低儲存。

當然壓縮感知也可以看成一種降維，這個並沒有什麼特別的意義。

2樓：羅逸楓

事實上幾乎所有實際當中的資訊都有可以降維的，無非就是丟掉多少資訊的問題，所以壓縮感知從理論上來說可以適合任何資料，自然包括大資料。我覺得CS能否用於大資料還是取決於大資料的型別，檢驗是否適合使用CS的最好方法就是實驗了。

3樓：

稀疏是相對的，指的是取樣的稀疏，取樣的維度少於「必需」。

不知題主所說的大資料具體是指什麼。

據我所知，港科有個組做的基於CS的人臉識別成功率就很高，距離實用並不是特別遙遠。

鄙人也在做相關嘗試，如不棄，咱可以交流交流。