Jan, 2013

一种用于非负最小二乘问题中寻找结构稀疏解的方法及其应用

PDF
TL;DR利用结构稀疏性假设将稀疏非负线性组合与组合间的稀疏性拓展到字典组合元素的分组上，采用 Hoyer 惩罚与缩放梯度投影算法解决了字典高度相干限制带来的问题，解决了 DOAS 分析和高光谱混合问题。
sparse nonnegative linear combinationsdictionary elementsstructured sparsity assumptionhoyer measurescaled gradient projection algorithm
发现论文，激发创造
  • 基于凸优化的结构稀疏化

    本文介绍了一种基于结构规则的稀疏估计方法，通过应用不仅仅关注稀疏性，而且可以考虑一些结构化先验知识，这种方法可以处理多种结构的问题。同时，我们还介绍了该方法在无监督学习、非线性变量选择等方面的应用。

    Sep, 2011

  • 高效的外积字典学习（SOUP-DIL）及其在逆问题中的应用

    通过使用外积求和估计未知变量，然后使用块坐标下降方法来解决问题，本文探讨了连续稀疏惩罚词典学习的高效方法，并提出了与块坐标下降和外积求和方法有关的新算法来进行自适应图像重构。

    Nov, 2015

  • 同时结构化模型及其在稀疏和低秩矩阵中的应用

    本文研究的是如何恢复一个结构化模型的问题，我们探讨了使用多目标优化得到的结果与只利用其中一个结构的算法的结果相当的现象。此外，我们还详细研究了稀疏低秩矩阵恢复问题所需的样本数，证明了本文提出的非凸公式在这种情况下表现比凸公式更好。

    Dec, 2012

  • 快速结构化字典学习分析

    本文研究基于稀疏性的模型和技术在信号处理和图像应用中的应用，提出了针对特定结构的稀疏化运算符学习问题的交替最小化算法，并对其收敛性进行了分析，证明了在某些假设下，该算法收敛于数据的基础稀疏化模型。同时，数值模拟表明该算法对初始值具有较强的鲁棒性。

    May, 2018

  • 约束稀疏回归的交替方向算法：应用于高光谱解混合

    本文介绍了两种新算法（SUnSAL 和 C-SUnSAL），用于解决凸优化问题，特别是在高光谱分离中使用的问题。这些算法基于交替方向乘子方法，可用于解决 CBP 和 CBPDN 问题以及 CLS 和 FCLS 问题。实验结果表明，这些算法在速度和准确性方面优于现有的方法。

    Feb, 2010

  • 通过 L1-L2 优化实现结构化模型选择

    该研究提出了一种学习方法，通过稀疏最小二乘拟合和非凸 l1-l2 稀疏优化解决器来鉴定结构动力系统，该方法基于科学工程中的自动模型选择应用，研究了少样本和噪声空时数据的识别问题。

    May, 2023

  • 通过稀疏极大似然估计进行模型选择

    使用加入 l1-norm 惩罚项的最大似然问题的解决办法来估计高斯或二元分布参数，以得到稀疏的无向图模型，并利用块坐标下降和 Nesterov's 一阶法等算法将复杂度限制在可接受范围内。

    Jul, 2007

  • 网络中稀疏正则化秩最小化：算法与应用

    本文发展了使用分布式算法解决低秩矩阵加上压缩矩阵与稀疏矩阵乘积的分离任务，建立了分布式稀疏正则化秩最小化的算法框架，其中采用核范数和 l1 范数用作所需矩阵的秩和非零条目数的替代，使用交替方向乘法的分离算法来最小化经过采样和压缩的数据的秩和 nonzeros，从而解决了一些网络优化问题。

    Mar, 2012

  • 一种用于自字典非负稀疏回归的快速梯度方法

    本文采用非负稀疏回归与自词典相结合的方法，提出了一个平滑的优化问题，其中通过线性约束实现稀疏性，并且计算了多面体上的欧几里得投影，然后提出了一种快速梯度方法来解决该问题，并在合成数据集和实际高光谱图像上将其与几种最先进的方法进行了比较。

    Oct, 2016

  • $\ell_0$ 稀疏化变换学习：高效最优更新和收敛保证

    本文研究了稀疏性转换模型的学习，并提出了交替算法以实现稳健的方阵。研究结果表明，与合成 K-SVD 相比，转换学习在图像降噪中具有良好的性能和显着的加速度。

    Jan, 2015