从复合测量中恢复在图的节点上定义的信号,同时矫正图扰动的算法和理论分析
Feb, 2024
通过生成模型的范围,无需使用稀疏性,基于 Lipschitz 连续性,提出了一种新的压缩感知算法。与 Lasso 相比,可以使用更少的测量来获得相同的精度。
Mar, 2017
本研究旨在通过对数据的草图进行估计,从而学习一个能够准确解释数据的稀疏图模型,采用了压缩视角和基于图形套索的迭代算法,同时研究了通过合成数据集进行性能对比的可能性。
Nov, 2023
本文研究了压缩感知问题,提出了一种基于二阶锥的优化方法,该方法在证明一定正则参数条件下与基础凸优化问题等价的前提下,求解具有优良效果的稀疏向量,该方法相较于当前最优方法具有更高的稀疏性和更低的重构误差
Jun, 2023
该研究提出了基于稀疏线性系统和两阶段阈值和压缩感知算法的社区检测问题解决方案,在较小计算量内有效地在 Stochastic Block Model 模型的随机图数据以及真实数据集上实现图的划分。
Aug, 2017
本文总结了最近应用图形模型和消息传递算法来解决大规模正则化回归问题的相关工作,特别关注通过 LASSO 或 BPDN 的压缩感知重建的解决方案,讨论了如何导出快速逼近消息传递算法来解决这个问题,新颖的算法分析能够证明 LASSO 风险的精确高维限制结果。
Nov, 2010
介绍压缩感知的基本概念和应用,并总结了目前的研究现状。
Mar, 2012
本研究介绍了一种压缩感知的简单且通用的理论,其传感机制会从概率分布 F 中独立随机选择感知向量,而且不需要约束等距性或随机信号模型即可从噪音测量的最小数量中忠实地恢复出近似稀疏信号。
本论文详细介绍了一种新型的压缩感知策略,使用概率方法进行信号重建和最大化信号模型参数,并探讨了不同信号分布的相应相图的渐近分析及最佳重建性能。
Jun, 2012
介绍了盲压缩感知的概念,提出了三种可能的基稀疏性约束,并证明了唯一性条件及提出了检索解决方案的简洁方法。在唯一性条件下,只要信号足够稀疏,我们的方法可以通过模拟实现类似于依赖于稀疏基先验知识的标准压缩感知的结果,这提供了一个适用于所有稀疏信号的通用采样和重构系统,无需了解稀疏基,只需满足本文中提出的条件和约束即可。
Feb, 2010